留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

煤矿探水卸杆动作识别研究

党伟超 姚远 白尚旺 高改梅 吴喆峰

党伟超,姚远,白尚旺,等.煤矿探水卸杆动作识别研究[J].工矿自动化,2020,46(7):107-112..  doi: 10.13272/j.issn.1671-251x.2019070074
引用本文: 党伟超,姚远,白尚旺,等.煤矿探水卸杆动作识别研究[J].工矿自动化,2020,46(7):107-112..  doi: 10.13272/j.issn.1671-251x.2019070074
DANG Weichao, YAO Yuan, BAI Shangwang, et al. Research on unloading drill-rod action identification in coal mine water exploratio[J]. Industry and Mine Automation, 2020, 46(7): 107-112. doi: 10.13272/j.issn.1671-251x.2019070074
Citation: DANG Weichao, YAO Yuan, BAI Shangwang, et al. Research on unloading drill-rod action identification in coal mine water exploratio[J]. Industry and Mine Automation, 2020, 46(7): 107-112. doi: 10.13272/j.issn.1671-251x.2019070074

煤矿探水卸杆动作识别研究

doi: 10.13272/j.issn.1671-251x.2019070074
基金项目: 

山西省重点研发计划项目(201703D121042-1,201803D121048)

山西省应用基础研究项目(201901D111266)

详细信息
  • 中图分类号: TD74

Research on unloading drill-rod action identification in coal mine water exploratio

  • 摘要: 针对煤矿井下探水作业监工人员通过观看视频来监控卸杆作业的方式存在效率低下且极易出错的问题,提出利用三维卷积神经网络(3DCNN)模型对探水作业中的卸杆动作进行识别。3DCNN模型使用3D卷积层自动完成动作特征提取,通过3D池化层对运动特征进行降维,通过Softmax分类处理来识别卸杆动作,并使用批量归一化层提高模型的收敛速度和识别准确率。采用3DCNN模型对卸杆动作进行识别时,首先对数据集进行预处理,从每段视频中均匀抽取几帧图像作为某动作的代表,并降低分辨率;然后采用训练集对3DCNN模型进行训练,并保存训练好的权重文件;最后采用训练好的3DCNN模型对测试集进行测试,得出分类结果。实验结果表明,设置采样帧数为10帧、分辨率为32×32、学习率为0.000 1,3DCNN模型对卸杆动作的识别准确率最高可达98.86%。

     

  • 加载中
计量
  • 文章访问数:  67
  • HTML全文浏览量:  12
  • PDF下载量:  14
  • 被引次数: 0
出版历程
  • 刊出日期:  2020-07-20

目录

    /

    返回文章
    返回