深度置信网络下煤矿输送带撕裂小样本快速识别

摘要

在煤矿带式输送机实际运行中，井下复杂工况导致输送带图像存在严重的非线性光照扰动与背景纹理干扰，造成撕裂区域的局部对比度退化与本质纹理特征淹没，导致在小样本条件下识别性能偏低。为此，提出了一种深度置信网络下的输送带撕裂小样本快速识别方法。采用双伽马函数对原始图像进行均衡化处理，改善暗区对比度并抑制亮区；将图像转换至Lab色彩空间，利用基于Gabor滤波的改进多尺度Retinex算法增强亮度分量；引入双曲正切函数与增益偏移算子优化反射分量，抑制过增强现象，并结合改进灰度世界算法进行自适应色彩补偿，实现图像质量增强。将增强后图像输入深度置信网络，通过无监督逐层预训练、有监督全局微调及基于重构误差的异常判定机制，计算异常得分并与设定阈值进行比较，实现输送带撕裂的快速识别。实验结果表明，该方法边缘强度增强达到3.56～7.33；在不同工况下的识别性能均稳定优于对比方法，验证了该方法在复杂工况下的有效性与鲁棒性。

关键词

带式输送机 / 深度置信网络 / 输送带撕裂 / 小样本 / 快速识别

基金资助

国能亿利能源有限责任公司黄玉川煤矿研发项目（黄玉川煤技术（2025）047号）