一种基于深度学习的煤岩智能识别系统
技术领域
本发明属于煤岩智能识别领域，特别是涉及一种基于深度学习的煤岩智能识别系统。
背景技术
在采煤领域，提高识别煤层和岩石层分界面的准确度对于准确地掌握割煤力度、保证煤质、准确计算回收率以及节约煤资源具有重要意义。目前已有多种煤岩识别方法，如自然γ射线探测法、雷达探测法、应力截齿法、红外探测法、有功功率监测法、震动检测法、声音检测法、粉尘检测法、记忆截割法等，存在以下问题：①需要在现有设备上加装各类传感器获取信息，导致装置结构复杂，成本高。②采煤机滚筒、掘进机等设备在生产过程中受力复杂、振动剧烈、磨损严重、粉尘大，传感器部署比较困难，容易导致机械构件、传感器和电气线路受到损坏，装置可靠性差。③对于不同类型机械设备，传感器的最佳类型和信号拾取点的选择存在较大区别，需要进行个性化定制，系统的适应性差。
近年来，针对深度学习的理论研究已引起国内外许多学者关注，深度卷积神经网络(DCNN)被认为是一种适合目标检测和分类任务的重要深度学习方法，并且具有识别精度高、抗干扰能力强和可远距离获取目标图像等特点，其在智能监控、运动目标检测与识别、视觉导航等领域的应用成为研究热点。因此，为了克服现有矿井目标识别技术的不足，本发明提出一种基于深度学习的煤岩智能识别系统，实现对矿井目标准确检测与跟踪识别。
发明内容
为实现上述目的，本发明提供了如下方案：一种基于深度学习的煤岩智能识别系统，包括：
采集模块，用于采集采煤机信号数据、煤岩图像数据；
处理模块，与所述采集模块连接，用于对所述采煤机信号数据、煤岩图像数据进行特征提取并获得对应的空间坐标；
识别模块，与所述处理模块连接，用于对特征提取后的数据信息进行识别，并根据所述空间坐标获得煤岩界限信息；
控制模块，与所述识别模块连接，用于根据所述煤岩界限信息对采煤机的摇臂进行控制。
优选地，所述采集模块包括信号采集单元、图像采集单元；
所述信号采集单元用于采集调高油缸压力信号、摇臂振动状态信号、截割电机的电流信号、滚筒轴的扭矩信号、滚筒轴的扭振信号、高光谱信号；
所述图像采集单元用于采集煤岩图像信息。
优选地，所述图像采集单元至少包括可见光相机、环形光源；
所述可见光相机，用于采集所述煤岩图像信息，并将所述煤岩图像信息发送至所述处理模块；
所述环形光源，安装于所述可见光相机前方，用于发射环形光线。
优选地，所述可见光相机至少包括CMOS图像传感器、通信模块；
所述CMOS图像传感器用于采集所述煤岩图像信息；
所述通信模块用于将所述煤岩图像信息发送至所述处理模块。
优选地，所述调高油缸压力信号通过压阻式压力传感器获取；
所述摇臂振动状态信号通过压电式加速度传感器获取；
所述截割电机的电流信号通过霍尔电流传感器获取；
所述滚筒轴的扭矩信号通过应变式扭矩传感器获取；
所述滚筒轴的扭振信号通过增量式光电编码器获取；
所述高光谱信号通过高光谱仪获取。
优选地，所述处理模块至少包括特征提取单元、静力触探传感单元、坐标映射单元。
优选地，所述特征提取单元，基于Daubechies小波函数对所述摇臂振动状态信号、所述滚筒轴的扭振信号进行特征提取；基于Parameter Server对所述调高油缸压力信号、所述截割电机的电流信号、所述滚筒轴的扭矩信号、所述高光谱信号进行特征提取；基于小波变换对所述煤岩图像信息进行特征提取；
所述静力触探传感单元，用于将煤壁网格化，并对煤壁施加作用力从而采集对应网格的贯入阻力电信号和空间坐标；
所述坐标映射单元，用于将煤岩图像信息的空间坐标系与所述采煤机的世界坐标系进行映射，获得所述可见光相机和所述采煤机的标定关系。
优选地，所述空间坐标为四维坐标(x，y，m，n)，其中x,y为煤岩图像横纵坐标，m，n表示煤岩的宽和高。
所述识别模块，基于BP神经网络对特征提取后的数据信息进行融合分析，获得煤岩界面信息。
优选地，还包括标记模块，所述标记模块用于对开采轨迹进行标记；所述开采轨迹至少包括时间、深度、角度、开采量、位置坐标。
本发明公开了以下技术效果：
本发明提供的一种基于深度学习的煤岩智能识别系统具有较高的识别稳定性和识别率，可为自动化采掘、自动化放煤、自动化选矸等生产过程提供可靠的煤岩识别信息。
本发明基于深度学习对数据信息进行特征提取，有效提高了目标检测的准确率，从而实现对矿井不同大小目标的精准、快速检测与识别，对保障井下人员避险、车辆防撞和智能安全开采具有重要意义。
本发明基于调高油缸压力信号、摇臂振动状态信号、截割电机的电流信号、滚筒轴的扭矩信号、滚筒轴的扭振信号、高光谱信号进行煤岩界面的识别，大大提高了识别的精确度和可靠性；每个信号均自带三维姿态信息，从而大大提高了数据源的准确性，避免由于传感器的偏移而带来的识别误差，进一步保证了识别结果的精确度和可靠性；并且可以直观的展示开采全过程，为后期开采工作提供了参考依据。
本发明根据煤岩界限信息对采煤机的摇臂进行控制，进而根据识别结果调整采煤机的高度，尽可能的采掘煤层，避开坚硬的岩石，防止采煤机的刀面被损坏,延长采煤机等采煤设备的使用年限，对采煤工作面智能开采具有重要指导意义。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的系统结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示，本发明提供了一种基于深度学习的煤岩智能识别系统，包括：
采集模块，包括信号采集单元，用于采集采煤机信号数据；图像采集单元，用于采集煤岩图像数据；其中，采集采煤机信号数据包括采集调高油缸压力信号、摇臂振动状态信号、截割电机的电流信号、滚筒轴的扭矩信号、滚筒轴的扭振信号、高光谱信号；
调高油缸压力信号通过压阻式压力传感器获取；摇臂振动状态信号通过压电式加速度传感器获取；截割电机的电流信号通过霍尔电流传感器获取；滚筒轴的扭矩信号通过应变式扭矩传感器获取；滚筒轴的扭振信号通过增量式光电编码器获取；高光谱信号通过高光谱仪获取。
图像采集单元至少包括可见光相机、环形光源；可见光相机用于采集煤岩图像信息，并将煤岩图像信息发送至处理模块；环形光源，安装于可见光相机前方，用于发射环形光线。
可见光相机，包括CMOS图像传感器、通信模块；CMOS图像传感器用于采集煤岩图像信息；通信模块用于将煤岩图像信息发送至处理模块。可见光相机在进行拍摄时，会得到n张有效图像，因此在对n张有效图像进行特征向量提取前，可进行预处理，包括根据采集设备编号和空间位置对有效图像命名、统一有效图像大小，这样便于得到相对应的特征向量，从而根据特征向量进行煤、岩识别。
处理模块，与采集模块连接，至少包括特征提取单元、静力触探传感单元、坐标映射单元。用于对信号数据、图像数据进行特征提取并获得对应的空间坐标；对图像数据处理的是图像处理模块，用于通过现有的图像处理算法提取煤岩图像特征向量，与样本库中的煤、岩图像特征向量做聚类分析。
图像处理模块包括两个部分，离线处理模块和在线处理模块。
离线处理模块，用于处理样本库中的原始煤、岩图像(样本库中煤、岩是分开的)，并对原始煤、岩图像进行预处理，例如统一图像大小和去除噪声；然后对预处理后的煤图像进行特征提取并量化从而得到煤特征向量集合c＝{c1,c2,…,ck},ck表示第k张样本库中煤图像的特征向量，以及对预处理后的岩图像进行特征提取并量化从而得到岩特征向量集合β＝{β1,β2,…，βm},βm表示第m张样本库中岩图像的特征向量，提取的特征包括纹理特征、角点特征、高斯特征等。此处对样本库煤岩图像的特征向量进行一次归类，理论上此时不同煤图像和不同岩图像的特征向量的汉明距离或欧几里得距离很近,不同岩图像的特征向量距离也很近。
本实施例中，分别计算煤特征向量集合和岩特征向量集合之间特征向量的汉明距离或欧几里得距离T(汉明距离或欧几里得距离的计算是现有数学公式，在此不加以赘述)，例如将煤特征向量集合c中c1和岩特征向量集合β中每个岩图像的特征向量({β1，β2，…，βm})分别求距离，然后c2和{β1，β2，…，βm}分别求距离，直到ck和β1～βm分别求距离，从而得到距离集合T＝{T11，T12，…，Tkm}，Tkm表示第k张样本库中煤图像的特征向量和第m张样本库中岩图像的特征向量之间的距离。
在线处理模块，用于实时处理采煤机工作时采集的煤壁图像，通过图像预处理，变的和离线处理模块大小一致，再通过和离线处理模块一样的方法特征提取、量化得到煤壁特征向量集合γnt表示第n个图像采集触感器第t次采集的煤壁图像的特征向量，然后将煤壁特征向量集合γ和样本库中煤特征向量集合c和岩特征向量集合β做聚类分析，具体聚类分析方法：计算集合γ和集合c中所有煤图像的距离(汉明距离或欧几里得距离)并取最小值a；再计算集合γ和集合β中所有岩图像的距离并取其中的最小值b；比较a、b大小，哪个小，就将该图像归为对应的类。若a、b都大于T,该图像既不归类为岩，也不归类为煤，判定为无效图像；根据实际情况，T值会进行调节。
特征提取单元，基于Daubechies小波函数对摇臂振动状态信号、滚筒轴的扭振信号进行特征提取；基于Parameter Server对调高油缸压力信号、截割电机的电流信号、滚筒轴的扭矩信号、高光谱信号进行特征提取；基于小波变换对煤岩图像信息进行特征提取；
静力触探传感单元，用于将煤壁网格化，并对煤壁施加作用力从而采集对应网格的贯入阻力电信号和空间坐标；静力触探传感单元需要和煤壁进行接触，通过对煤壁施加作用力从而产生贯入阻力来识别煤岩，在运动过程中，静力触探传感单元深入煤壁一定距离(例如2.7cm)，产生贯入阻力，进而采集到贯入阻力电信号传输到控制器进行煤岩识别。
坐标映射单元，用于将煤岩图像信息的空间坐标系与采煤机的世界坐标系进行映射，获得可见光相机和采煤机的标定关系。
空间坐标为四维坐标(x，y，m，n)，其中x,y为煤岩图像横纵坐标，m，n表示煤岩的宽和高。
识别模块，与处理模块连接，用于对特征提取后的数据信息进行识别，并根据所述空间坐标获得煤岩界限信息。对特征提取后的数据信息进行识别时，首先对图像信息和信号信息分别进行小波变换，得到对应的小波域低频分量和高频分量，并利用预设的阈值函数对所述小波域低频分量和高频分量进行处理，以消除背景噪声；为提高煤岩识别的实时性，确保煤岩识别速度与采煤机运行同步，小波变换需要在高速FPGA内部实现；然后，基于BP神经网络对特征提取后的数据信息进行融合分析，获得煤岩界面信息，具体为将特征提取后的数据按照7:2:1分为训练集、验证集和测试集，通过训练集对初始BP神经网络进行训练，通过验证集对初始BP神经网络进行验证，得到目标BP神经网络，基于目标BP神经网络，将测试集作为输入，进行融合分析，识别获得煤岩界面信息。
还可以通过计算煤岩层的煤岩硬度系数来辅助判别煤层和岩层。其中，煤和软岩f≤4,中硬岩f≤4-8，硬岩f≤8-20(最硬的岩石)；f≤1.5的煤称为软煤，f＝1.5-3.0的煤称为中硬煤，f≤3.0的煤称为硬煤。
控制模块，与识别模块连接，用于根据煤岩界限信息对采煤机的摇臂进行控制。
该系统还包括标记模块，标记模块用于对开采轨迹进行标记；开采轨迹至少包括时间、深度、角度、开采量、位置坐标。
以上所述的实施例仅是对本发明的优选方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。
