基于课程学习策略的煤矿井下视频异常检测方法

黄伟伟; 仝建成; 李斌; 刘奕琳

doi:10.13301/j.cnki.ct.2026.04.029

煤炭技术 ›› 2026, Vol. 45 ›› Issue (4) : 156 -161. DOI: 10.13301/j.cnki.ct.2026.04.029

基于课程学习策略的煤矿井下视频异常检测方法

黄伟伟, 仝建成, 李斌, 刘奕琳

作者信息 +

Author information +

文章历史 +

摘要

针对弱监督条件下样本噪声导致的模型偏差和特征边界模糊问题，本文提出一种基于课程学习策略的煤矿井下视频异常检测方法。首先设计选择性伪标签课程学习策略，通过多粒度样本难度评估模型，结合光流特征和区域重要性分级动态调整训练顺序，缓解弱监督样本噪声的影响。同时，提出基于煤矿正常行为原型的对比学习方法，建立多层次表征体系，并采用图神经网络实现跨摄像头原型对齐，清晰界定正常作业与异常行为的决策边界。实验结果表明，本方法在公开数据集上的表现优于现有主流方法；在真实煤矿井下数据集上的可视化结果进一步验证了该方法对传送带大块煤异常、违禁区域闯入等典型井下异常事件具有优异的检测性能。模型在复杂环境下能够保持高检测精度和鲁棒性，为构建智能化煤矿监控系统提供了关键技术支撑。