一种基于CNN迁移学习的井下烟、火智能感知预警系统 |
| |
作者姓名: | 陈芳 刘鑫 张钰嘉 刘迪 |
| |
作者单位: | 山西大学数学科学学院,太原 030006;山西大学数学科学学院,太原 030006;山西大学数学科学学院,太原 030006;山西大学数学科学学院,太原 030006 |
| |
基金项目: | 2016年度山西省高校科技创新项目 |
| |
摘 要: | 地下矿井具有相当复杂的工作环境,因此监控井下不明烟、火的产生,从而避免瓦斯爆炸等灾害的产生显得尤为重要.目前大多数煤矿井下均采用人工视频监控的方式,不仅严重浪费人力、物力,而且监控范围受到很多限制.基于此问题,提出一种基于卷积神经网络(CNN)迁移学习的井下烟、火智能感知预警系统.该系统首先在工作区域上方安装防爆摄像头,并将摄像头与井上主机通过光纤连接.其次,在主机上部署CNN迁移学习算法来识别监控区域是否有不明烟、火产生.最后,在实现判断烟、火是否产生后配合报警系统发出警报通知,通知安全巡逻人员灭火.结果表明,该技术可以有效判断井下是否有烟、火产生,大大降低了井下区域的安全隐患和人力、物力资源的浪费,实现了井下烟、火的智能感知预警.
|
关 键 词: | 瓦斯爆炸 CNN 迁移学习算法 特征提取 井下烟、火 智能感知预警 |
本文献已被 CNKI 万方数据 等数据库收录! |
|