[发明专利]一种综放开采放落过程复杂工况煤矸识别方法

说明书

本发明公开了一种综放开采放落过程复杂工况煤矸识别方法，包括步骤：一、构建综采放顶煤矸模拟数据集采集平台；二、采集不同压力下综采放顶煤矸规律；三、采集综采放顶煤矸模拟数据集；四、优化综采放顶煤矸模拟数据集；五、训练多模态煤矸识别网络；六、综放开采放落过程复杂工况煤矸识别。本发明通过模拟综采顶煤放落规律，创建具有多种类、多模式且数量多的数据集，以此训练特征提取网络，并设置不同测试集，测试在不同环境下的识别效率，最后达到更具有时效性的多模态算法识别机制，为综放开采煤矸识别提供更可靠的理论方法依据。

技术领域

本发明属于煤矸识别技术领域，具体涉及一种综放开采放落过程复杂工况煤矸识别方法。

背景技术

煤矿开采日益趋近智能化，其中煤矸识别是实现智能化开采中核心技术之一。基于深度学习理论在煤矸识别多年的研究与实践，发现影响煤矸识别的因素总体分为两类：算法技术本身的性能和对煤矸识别的实用性、数据集采集的有效性和准确性，这两者导致了深度学习算法能否在矿井下得到应用，并且达到优越效果。目前国内外很多学者已建立基于深度学习理论的煤矸识别方法，然而矿井下应用效果却不尽人意。

目前深度学习理论中，实现煤矸识别方法主要有：基于U-net网络模型的煤矸识别方法、基于YOLO系列煤矸识别与定位方法、基于GAN网络的煤-岩体识别和基于CNN系列的煤矸识别方法，工程实践中，上述方法主要存在以下问题：第一，其采用的理论依据得出的实验结果与在矿井下实验得到的效果误差较大，与实际不符；第二，缺少实际工程应用，导致相关参数选取不当；第三，数据选取量较少且单一，导致网络训练不具备一般性。受采掘环境影响，导致图像采集成为煤矸识别难题之一，进而多数深度学习技术在矿井下出现效果差、使用范围小的问题。所以目前网络的训练只是停留在单一图片的训练，或者单一种类的训练，这种训练的结果分离了煤和矸，但是和实际环境下训练的结果确实相差很多。可见在复杂环境下数据集采集以及训练得出煤矸识别参数，为准确识别提供有效依据，是确保矿区安全、经济开采的关键技术。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种综放开采放落过程复杂工况煤矸识别方法，通过模拟综采顶煤放落规律，创建具有多种类、多模式且数量多的数据集，以此训练特征提取网络，并设置不同测试集，测试在不同环境下的识别效率，最后达到更具有时效性的多模态算法识别机制，为综放开采煤矸识别提供更可靠的理论方法依据，便于推广使用。

为解决上述技术问题，本发明采用的技术方案是：一种综放开采放落过程复杂工况煤矸识别方法，其特征在于，该方法包括以下步骤：

步骤一、构建综采放顶煤矸模拟数据集采集平台：在实验室内构建综采放顶煤矸模拟数据集采集平台，所述构建综采放顶煤矸模拟数据集采集平台包括用于装载模拟地层煤层的装载箱和设置在装载箱下侧的采集箱，装载箱和采集箱之间通过支撑盒连接，支撑盒沿长度方向并排设置有多个液压插板，支撑盒沿长度方向的中部开设有与液压插板放煤口连通的长条通孔，采集箱的顶部侧壁设置有多个用于调节采集箱内光照度的照明灯，采集箱的底部侧壁设置有多个用于调节采集箱内粉尘浓度的鼓风机，采集箱的长度方向的前后侧面上均安装有高速照相机，采集箱的宽度方向的一侧面上安装有加湿器，采集箱的宽度方向的另一侧面上安装有环境监测器，所述模拟地层煤层包括由下至上依次铺设的模拟煤层、模拟矸层和模拟地层，模拟地层顶部设置有加载机；

步骤二、采集不同压力下综采放顶煤矸规律，过程如下：

步骤201、给装载箱内装载模拟地层煤层；

步骤202、通过加载机给模拟地层煤层顶部施加压力；

步骤203、控制多个液压插板的不同放煤口的放煤工序，使当前状态下，模拟煤层最大化落入采集箱的同时模拟矸层最小化落入采集箱；

步骤204、重新给装载箱内装载模拟地层煤层；

步骤205、调整加载机给模拟地层煤层顶部施加的压力；