煤炭工程

作者：葛学成,李颖娜,张永,等

单位：1. 中国矿业大学信息与控制工程学院；2. 唐山学院新材料与化学工程学院；3. 冀中能源股份有限公司章村煤矿；

关键词：目标检测, YOLO, 注意力机制, 工作状态识别,

现有的煤炭安全监督多采用“以人为主”的模式，存在主观性强、精力消耗大等问题，易发生工作人员玩手机、抽烟、睡岗等疏忽行为，难以确保煤矿安全生产稳定有序地进行。鉴于此，利用目标检测技术，基于深度学习方法，研究了煤矿调度室人员工作状态的智能识别方法。首先，构建基于YOLOv5的煤矿调度室人员工作状态识别方法；然后，通过在特征融合子网络中引入卷积注意力模块，以提升模型在不同通道和不同空间位置的信息提取能力；最后，利用具有多尺度特征融合能力的阶梯残差卷积模块，增强模型对调度室人员的细微特征提取和全局特征融合的能力。实验结果显示，所提方法的全状态识别平均准确率达到91.7%，对玩手机和抽烟这些小尺度动作状态识别的平均准确率分别为94.4%、86.0%，验证了所提模型在调度人员工作状态识别中的有效性。

来源：2025年第5期

《煤炭工程》期刊编辑部

查看煤炭工程杂志2025年第5期