一种基于CNN迁移学习的井下烟、火智能感知预警系统

• 作者: 刘迪 刘鑫 张钰嘉 陈芳
• 来源期刊: 河南科学
• 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
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 数学与信息科学
• 页码范围: 363-369
• 页数: 7页
• 分类号: TP391.41
• 语种: 中文

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈芳	山西大学数学科学学院	11	46	5.0	6.0
2	刘迪	山西大学数学科学学院	4	0	0.0	0.0
3	张钰嘉	山西大学数学科学学院	5	0	0.0	0.0
4	刘鑫	山西大学数学科学学院	10	86	6.0	9.0