摘要
摘要：中国是一个储煤大国，煤炭开采是国民经济发展的支柱产业，但煤炭资源赋存条件的复杂性和不确定性，以及我国煤炭行业多为井工开采的现状，决定了煤炭开采行业的高危险性。如何有效的对井工煤矿开采作业进行安全管控成为了行业痛点和难点问题。本文从煤矿井下作业标准化和安全风险防控的角度出发，针对井下作业的不安全行为利用图像识别和递归卷积神经网络算法进行研究，该技术能够获取高可靠的目标特征向量来提升对象的识别精度，实现对特定目标鲁棒性、精确性识别和实时预警，杜绝因人的不安全行为导致的安全事故。首先，将井下员工不安全行为进行了分类，分为异常操作和异常位置两类；其次，基于图像识别技术对井下员工的异常操作和异常位置进行了判断，判断的依据是煤矿采掘工作面的图像数据与样本图像的对比及人员站立位置的计算。研究结果表明：本文的方法能够较为准确而快速地对煤矿井下员工不安全行为识别，具有较好的实用价值。
出版日期
2024年01月05日（中国期刊网平台首次上网日期，不代表论文的发表时间）
