[发明专利]一种基于深度学习的煤岩智能识别系统

说明书

本发明公开了一种基于深度学习的煤岩智能识别系统,包括：采集模块，用于采集采煤机信号数据、煤岩图像数据；处理模块，与采集模块连接，用于对采煤机信号数据、煤岩图像数据进行特征提取并获得对应的空间坐标；识别模块，与处理模块连接，用于对特征提取后的数据信息进行识别，并根据空间坐标获得煤岩界限信息；控制模块，与识别模块连接，用于根据煤岩界限信息对采煤机的摇臂进行控制。本发明具有较高的识别稳定性和识别率，可为生产过程自动化提供可靠的煤岩识别信息，有效提高了目标检测的准确率，实现了对矿井不同大小目标的精准、快速检测与识别，对保障井下人员避险、车辆防撞和智能安全开采具有重要意义。

技术领域

本发明属于煤岩智能识别领域，特别是涉及一种基于深度学习的煤岩智能识别系统。

背景技术

在采煤领域，提高识别煤层和岩石层分界面的准确度对于准确地掌握割煤力度、保证煤质、准确计算回收率以及节约煤资源具有重要意义。目前已有多种煤岩识别方法，如自然γ射线探测法、雷达探测法、应力截齿法、红外探测法、有功功率监测法、震动检测法、声音检测法、粉尘检测法、记忆截割法等，存在以下问题：①需要在现有设备上加装各类传感器获取信息，导致装置结构复杂，成本高。②采煤机滚筒、掘进机等设备在生产过程中受力复杂、振动剧烈、磨损严重、粉尘大，传感器部署比较困难，容易导致机械构件、传感器和电气线路受到损坏，装置可靠性差。③对于不同类型机械设备，传感器的最佳类型和信号拾取点的选择存在较大区别，需要进行个性化定制，系统的适应性差。

近年来，针对深度学习的理论研究已引起国内外许多学者关注，深度卷积神经网络(DCNN)被认为是一种适合目标检测和分类任务的重要深度学习方法，并且具有识别精度高、抗干扰能力强和可远距离获取目标图像等特点，其在智能监控、运动目标检测与识别、视觉导航等领域的应用成为研究热点。因此，为了克服现有矿井目标识别技术的不足，本发明提出一种基于深度学习的煤岩智能识别系统，实现对矿井目标准确检测与跟踪识别。

发明内容

为实现上述目的，本发明提供了如下方案：一种基于深度学习的煤岩智能识别系统，包括：

采集模块，用于采集采煤机信号数据、煤岩图像数据；

处理模块，与所述采集模块连接，用于对所述采煤机信号数据、煤岩图像数据进行特征提取并获得对应的空间坐标；

识别模块，与所述处理模块连接，用于对特征提取后的数据信息进行识别，并根据所述空间坐标获得煤岩界限信息；

控制模块，与所述识别模块连接，用于根据所述煤岩界限信息对采煤机的摇臂进行控制。

优选地，所述采集模块包括信号采集单元、图像采集单元；

所述信号采集单元用于采集调高油缸压力信号、摇臂振动状态信号、截割电机的电流信号、滚筒轴的扭矩信号、滚筒轴的扭振信号、高光谱信号；

所述图像采集单元用于采集煤岩图像信息。

优选地，所述图像采集单元至少包括可见光相机、环形光源；

所述可见光相机，用于采集所述煤岩图像信息，并将所述煤岩图像信息发送至所述处理模块；

所述环形光源，安装于所述可见光相机前方，用于发射环形光线。

优选地，所述可见光相机至少包括CMOS图像传感器、通信模块；

所述CMOS图像传感器用于采集所述煤岩图像信息；

所述通信模块用于将所述煤岩图像信息发送至所述处理模块。

优选地，所述调高油缸压力信号通过压阻式压力传感器获取；

所述摇臂振动状态信号通过压电式加速度传感器获取；

所述截割电机的电流信号通过霍尔电流传感器获取；