[发明专利]双路U-Net深度神经网络矿山井下危险行为智能分级辨识方法

摘要

本发明公开了一种双路U‑Net深度神经网络矿山井下危险行为智能分级辨识方法，包括数据获取、图像预处理、危险行为样本制作、单路网络设计及参数训练、构建双路U‑Net网络结构、图像输入模块设计、双路U‑Net网络特征提取模块设计、预警模块设计等步骤。本发明将包含危险行为的影像作为输入数据，通过U‑Net网络对其中的危险行为进行识别、分类及预警的方法，及时发现井下生产过程中出现的危险行为并发出预警，从而最大程度地避免生产事故的发生。

主权项

一种双路U‑Net深度神经网络矿山井下危险行为智能分级辨识方法，其特征在于，包括以下步骤：步骤1：数据获取；从井下按照一定时间间隔截取图像；步骤2：图像预处理，包括色彩空间转换、去除噪声和图像增强；步骤3：制作危险行为样本；对监控视频截图的边界进行矢量化，圈出影像轮廓并赋类名编号，并对影像中的像素进行检查，以确定其是否表示一类危险行为，将所有能够表示一类危险行为的像素组成的影像作为样本供U‑Net网络识别；步骤4：单路网络结构设计及参数训练；单路网络结构包括输入层、10个卷积层、6个Batchnorm层、10个ELU层、2个池化层、2个上采样层、2个Dropout层、1个Softmax层和输出层，并设置相关参数；将预分类的危险动作样本作为输入数据加入网络，对网络参数进行训练，保存结果及训练完成后的网络结构的各层的权重；步骤5：构建双路U‑Net结构；双路U‑Net结构为双路网络构成一个交替接受输入的结构，具体构建过程包括步骤6‑步骤8；步骤6：图像输入；采用双路网络构成一个交替接受输入的队列结构，图像输入采用先进先出策略；步骤7：双路U‑Net特征提取；将步骤4中训练好的单路网络进行复制，形成双路网络结构，其各层权重由步骤4的单路网络结构拷贝而来，对输出层进行训练；步骤8：预警；双路网络分别对井下危险行为进行识别，当两个支路同时识别出危险行为后，通过四叉树检索方法，对危险行为发生的类别、数量和空间位置进行快速识别，并进行分级预警和保存截图，预警直到双路同时没有识别出危险行为后解除。