文章详情

摘要

随着煤炭开采深度的增加，瓦斯突出成为制约煤炭开采的重要因素。煤矿井下瓦斯钻杆计数对井下瓦斯抽采具有重要的指导意义。目前，主要使用的传统人工计数方式较为费时费力。为解决上述问题，提出一种基于YOLOv5的煤矿井下瓦斯钻杆智能识别方法。该方法通过目标检测算法YOLOv5对钻杆特征进行充分提取和聚合，并输出最终检测结果。通过多角度布置摄像头采集钻杆数据，构建了BOLT-1000钻杆数据集，并搭建了实验平台进行训练和验证。实验结果表明，该方法在自制数据集上具有较高的精确度和鲁棒性，能够准确识别井下瓦斯钻杆。

关键词

目标检测；瓦斯抽采；钻杆识别；YOLOv5

参考文献

1. [1] 孙继平，陈晖升.智慧矿山与5G和Wi-Fi6 [J].工矿自动化，2019，45（10）：1-4.
2. [2] 王国法，王虹，任怀伟，等.智慧煤矿2025情景目标和发展路径 [J].煤炭学报，2018，43（2）：295-305.
3. [3] 张科学，吕鑫淼，郑庆学，等.基于eNSP的智慧矿山网络防火墙技术研究 [J].中国煤炭，2024，50（8）：94-103.
4. [4] 汝洪芳，王珂硕，王国新.改进YOLOv4网络的煤矿井下行人检测算法 [J].黑龙江科技大学学报，2022，32（4）：557-562.
5. [5] 王璇，吴佳奇，阳康，等.煤矿井下人体姿态检测方法 [J].工矿自动化，2022，48（5）：79-84.
6. [6] 郝帅，张旭，马旭，等.基于CBAM-YOLOv5的煤矿输送带异物检测 [J].煤炭学报，2022，47（11）：4147-4156.
7. [7] 左明成，焦文华.面向煤矿井下作业场景的安全帽佩戴识别算法 [J].中国安全科学学报，2024，34（3）：237-246.
8. [8] 王茂森，鲍久圣，鲍周洋，等.融合金字塔结构与注意力机制的煤矿井下巡检机器人PT目标检测算法 [J].煤炭科学技术，2024，52（6）：206-215.
9. [9] 廖志伟，高龙，曹军，等.基于深度学习的刮板输送机异物检测方法研究 [J].中国煤炭，2024，50（8）：165-170.
10. [10] 赵伟，王爽，赵东洋.基于SD-YOLOv5s-4L的煤矿井下无人驾驶电机车多目标检测 [J].工矿自动化，2023，49（11）：121-128.

作者简介

蒋博文（1997—），男，汉族，安徽合肥人，助理工程师，硕士研究生，研究方向：煤矿大数据与深度学习应用；张若楠（1997—），男，汉族，安徽淮南人，工程师，硕士研究生，研究方向：煤矿大数据与深度学习应用；徐平安（1989—），男，汉族，安徽淮南人，硕士研究生，高级工程师，硕士研究生，研究方向：瓦斯监测及治理；谢玉麒（1997—），男，汉族，安徽淮南人，助理工程师，硕士研究生，研究方向：计算机视觉。