基于图像深度特征学习的矿山井筒设施隐患检测方法研究

针对人工完成矿山井筒设施检测时面临成本高和安全威胁等问题，提出利用采集的井筒设施监控视频图像，采用基于图像深度特征学习的矿山井筒设施隐患检测方法对井筒设施进行隐患检测。构建包含大量正常设施图像和少量隐患图像的数据集；同时构建包含特征提取网络和分类网络的并行神经网络作为训练网络，在正常图像集、外部图像集和少量隐患图像数据集上，设计联合损失函数对网络进行训练；通过聚类策略选择具有代表性的正常图像深度特征作为特征模板，通过模板匹配实现隐患图像检测。试验结果表明，在构建的矿山井筒井架设施图像数据集上，所提算法训练的特征提取模型能有效提高图像特征的表达能力，模型的隐患检测精度可达到92%以上，为利用矿山井筒设施图像进行矿山井筒的隐患检测提供了新思路。