摘要:针对人工完成矿山井筒设施检测时面临成本高和安全 威胁等问题,提出利用采集的井筒设施监控视频图像,采用 基于图像深度特征学习的矿山井筒设施隐患检测方法对井 筒设施进行隐患检测.构建包含大量正常设施图像和少量 隐患图像的数据集;同时构建包含特征提取网络和分类网络 的并行神经网络作为训练网络,在正常图像集、外部图像集 和少量隐患图像数据集上,设计联合损失函数对网络进行训 练;通过聚类策略选择具有代表性的正常图像深度特征作为 特征模板,通过模板匹配实现隐患图像检测.试验结果表 明,在构建的矿山井筒井架设施图像数据集上,所提算法训 练的特征提取模型能有效提高图像特征的表达能力,模型的 隐患检测精度可达到９２％以上,为利用矿山井筒设施图像 进行矿山井筒的隐患检测提供了新思路.
