无人机露天煤矿早期煤火红外图像目标检测识别方法

doi:10.13474/j.cnki.11-2246.2025.1011

测绘通报 ›› 2025, Vol. 0 ›› Issue (10): 63-70.doi: 10.13474/j.cnki.11-2246.2025.1011

• 学术研究 • 上一篇

无人机露天煤矿早期煤火红外图像目标检测识别方法

庞文宇¹, 张小栋^1,2, 诸伟³, 陶庆¹

1. 新疆大学机械工程学院, 新疆乌鲁木齐 830047;
2. 西安交通大学机械工程学院, 陕西西安 711049;
3. 北清通航科技(乌鲁木齐)有限公司, 新疆乌鲁木齐 830000

收稿日期:2025-03-21 发布日期:2025-10-31
通讯作者: 张小栋。E-mail:xdzhang@mail.xjtu.edu.cn
作者简介:庞文宇(1997-),男,硕士,主要研究方向为无人机智能巡检方向。E-mail:3143417140@qq.com
基金资助:
新疆维吾尔自治区天山英才项目(2023TSYCLJ0051);特种无人设备在露天煤矿的应用项目(202407140005)

An early UAV coal fire infrared image target detection and recognition method in open-pit coal mines

PANG Wenyu¹, ZHANG Xiaodong^1,2, ZHU Wei³, TAO Qing¹

1. School of Mechanical Engineering, Xinjiang University, Urumqi 830047, China;
2. School of Mechanical Engineering, Xi'an Jiaotong University, Xi'an 711049, China;
3. Beiqing General Aviation Technology Co., Ltd., (Urumqi), Urumqi 830000, China

Received:2025-03-21 Published:2025-10-31

摘要/Abstract

摘要： 针对当前露天煤矿早期煤火自燃火情存在检测困难、发现时间晚等问题,本文提出一种基于YOLOv12n改进的无人机露天煤矿早期煤层自燃红外图像目标检测识别方法,即在模型上更换主干网络PP-LCNet,引入二次改进的MCADSA注意力机制模块,并添加改进后的NWD损失函数。该方法提升了红外图像煤火数据集的检测精度,为实现早期煤层自燃火情的智能化巡检提供了帮助。

关键词: 煤火自燃, 无人机, 红外图像, 目标检测, YOLOv12

Abstract: In view of the current difficulties in early detection of coal fires in open-pit coal mines and the late discovery time, this paper proposes an improved UAV infrared image target detection and recognition method for early coal seam spontaneous combustion in open-pit coal mines based on YOLOv12n.By replacing the backbone network with PP-LCNet, introducing a secondary improved MCADSA attention mechanism module, and adding an improved NWD loss function, the detection accuracy of the infrared image coal fire dataset has been improved, providing assistance for the intelligent inspection of early coal seam spontaneous combustion.

Key words: coal fire spontaneous combustion, UAV, infrared image, target detectio, YOLOv12

中图分类号:

P237

庞文宇, 张小栋, 诸伟, 陶庆. 无人机露天煤矿早期煤火红外图像目标检测识别方法[J]. 测绘通报, 2025, 0(10): 63-70.

PANG Wenyu, ZHANG Xiaodong, ZHU Wei, TAO Qing. An early UAV coal fire infrared image target detection and recognition method in open-pit coal mines[J]. Bulletin of Surveying and Mapping, 2025, 0(10): 63-70.

参考文献

[1] 王忠鑫,张建明,贺佑国,等. 我国露天煤矿智能化发展的十点反思与十项建议[J]. 智能矿山,2024,5(6):10-17. [2] 李进贵. 南露天煤矿煤层自燃防灭火方案[J]. 露天采矿技术,2015,30(8): 74-76. [3] 郭军,刘华,金彦,等. 地下煤自燃隐蔽火源探测方法综述及新技术展望[J]. 中国安全科学学报,2022,32(8):111-119. [4] 马子钧,杨海燕,李文宇,等. 煤层自燃区隐蔽火源的综合地球物理探测应用[J]. 煤田地质与勘探,2023,51(12):131-137. [5] 董康宁,闫寿庆,张宝龙. 基于AI自学习的煤层自燃特征气体定量评价研究[J]. 工矿自动化,2024,50(S1):104-109. [6] 杨晓燕. 浅析红外热像仪在煤矿隐蔽火源探测的应用[J]. 能源与节能,2014(1): 50-52. [7] 徐凯磊,江晓光,万余庆,等. 煤田火区无人机热红外遥感监测技术[J]. 煤炭技术,2022,41(7): 120-123. [8] DUNNINGTON L,NAKAGAWA M. Fast and safe gas detection from underground coal fire by drone fly over[J]. Environmental Pollution,2017,229: 139-145. [9] TIAN Y,YE Q,DOERMANN D J A P A. Yolov12: attention-centric real-time object detectors [EB/OL]. [2025-02-10]. https://arxiv.org/abs/2502.12524. [10] CUI C,GAO T,WEI S,et al. PP-LCNet: A lightweight CPU convolutional neural network[EB/OL]. [2025-02-10]. https://arxiv.org/abs/12109.15099. [11] CHOLLET F. Xception: deep learning with depthwise separable convolutions[C]//Proceedings of 2017 IEEE Conference on Computer Vision and Pattern Recognition (CVPR). Honolulu,HI: IEEE,2017: 1800-1807. [12] HOWARD A,SANDLER M,CHEN Bo,et al. Searching for MobileNetV3[C]//Proceedings of 2019 IEEE/CVF International Conference on Computer Vision (ICCV). Seoul:IEEE,2019: 1314-1324. [13] HU Jie,SHEN Li,SUN Gang. Squeeze-and-excitation networks[C]//Proceedings of 2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition. Salt Lake City:IEEE,2018: 7132-7141. [14] YU Yang,ZHANG Yi,CHENG Zeyu,et al. MCA: Multidimensional collaborative attention in deep convolutional neural networks for image recognition[J]. Engineering Applications of Artificial Intelligence,2023,126: 107079. [15] WANG Jinwang,XU Chang,YANG Wen,et al. A normalized Gaussian Wasserstein distance for tiny object detection[EB/OL]. [2025-02-10]. https://arxiv.org/abs/2110.13389.

无人机露天煤矿早期煤火红外图像目标检测识别方法

An early UAV coal fire infrared image target detection and recognition method in open-pit coal mines

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	吴婧, 何宏伟, 肖倩, 王紫薇, 刘琦. 机载热红外遥感技术在秭归地热勘察中的应用[J]. 测绘通报, 2025, 0(9): 152-156.
[2]	朱元彩, 孙立瑛, 张凡, 吴兆立, 高向东, 金雷, 李晓东, 李若瑜. 基于双目视觉的林草火灾检测与测距方法[J]. 测绘通报, 2025, 0(9): 26-33.
[3]	李振, 鲁特, 张云卫, 雷江开, 吴风安. LNG储罐外罐形变与倾斜高精度智能监测[J]. 测绘通报, 2025, 0(9): 157-162.
[4]	曾翊城, 张一贺, 丁建勋, 李旺民, 李秀龙. 离岸海岛稀少控制倾斜摄影测量三维重建[J]. 测绘通报, 2025, 0(9): 126-130.
[5]	罗卿莉, 张书缤, 蒋鑫涛, 魏钜杰, 甘俊. 融合无人机位姿信息的地面目标定位方法[J]. 测绘通报, 2025, 0(8): 19-25.
[6]	郭震冬, 吴昊, 顾正东, 黄亮. 洞内外实景三维数据采集与融合技术——以宜兴善卷洞为例[J]. 测绘通报, 2025, 0(8): 149-152.
[7]	殷俊婕, 关戴婉静, 李浩, 张晓阳, 马于杰, 邢汉发. 面向海岸线排污口的无人机目标识别数据集[J]. 测绘通报, 2025, 0(8): 112-117.
[8]	张永利, 朱文超, 范业稳, 曲直. 面向新型测绘产品质检用数据获取的GNSS辅助无人机航摄技术[J]. 测绘通报, 2025, 0(8): 153-158.
[9]	胡耀锋, 程相兵, 陈嘉琦. 城市立体感知网建设关键技术与监测应用——以广州市历史文化街区为例[J]. 测绘通报, 2025, 0(8): 174-178.
[10]	席泽馨, 李佳仪, 谢昊, 甘文建, 周杨. GDS:无人机图像引导的跨视角图像地理定位[J]. 测绘通报, 2025, 0(7): 66-72.
[11]	王沛元, 程琳, 王晨, 田红英, 孔红. 基于球面交点AFM算法的无人机RTK定位技术[J]. 测绘通报, 2025, 0(7): 13-18.
[12]	孙基源, 纪松, 高定, 李凯, 张芮莹. SFR-YOLO:改进YOLOv8的无人机图像小目标检测算法[J]. 测绘通报, 2025, 0(7): 32-39.
[13]	王如政, 吕立蕾, 任晓东. 无人机机载激光雷达在沿海吹填量计算中的应用[J]. 测绘通报, 2025, 0(7): 138-141.
[14]	涂梨平, 陈美球, 冷鹏. 基于目标检测算法YOLOv 9的滑坡隐患识别——以永新县为例[J]. 测绘通报, 2025, 0(6): 37-42,102.
[15]	魏洪, 况松陵, 李扬帆, 冯藩, 杨涛, 唐星. 激光雷达与云台相机驱动的无人机树障隐患检测技术在配网巡检中的应用[J]. 测绘通报, 2025, 0(6): 136-141.