YOLOv2在煤岩智能识别与定位中的应用研究 Application of YOLOv2 in intelligent recognition and location of coal and rock
摘要(Abstract)：
综采工作面煤层走向复杂，采用“一刀切”的开采方法会加速滚轮截齿的磨损，同时开采效率也大幅降低，对煤岩的精准识别是解决此类问题、实现智能开采的关键。将基于回归方程的深度学习目标检测算法YOLOv2与线性成像模型相结合并通过该算法对井下采集煤岩图像进行了智能识别与定位，同时与Faster R-CNN，SSD对煤岩图像的识别结果进行了对比。结果显示YOLOv2对煤岩的识别精度达到了78%，检测速度达到了63 frame/s，与Faster R-CNN，SSD相比精度高出7.7%，4.7%，而检测速度高出763%，40%；在矿井测量坐标系中YOLOv2标定的煤层边界框角点的计算坐标与实测坐标相比相对误差在3.0%～4.5%之间，相对误差较小，不会对采煤效率产生影响。研究结果表明，YOLOv2可以对煤岩进行准确快速的识别。
关键词(KeyWords)： 煤岩识别；智能开采；深度学习；YOLOv2
Abstract:
Keywords:
作者(Author): 张 斌1，苏学贵1,2，段振雄1，常立宗1，王福周1
上一篇：胡青峰1,2，崔希民3，刘文锴1,2，马唐敬4，耿浩然2 :特厚煤层重复开采覆岩与地表移动变形规律研究
下一篇：付 翔等：工作面供液系统与液压支架协同自适应控制模型设计