一个开放的数据集,用于智能识别和分类长壁采矿中异常状况
Wenjuan Yang1,2, Xuhui Zhang3,4, Bing Ma1
1School of Mechanical Engineering, Xi'an University of Science and Technology, No.58, Mid-Yanta Road, Xi'an, 710054, China.
Scientific data
|June 27, 2023
概括
本研究介绍了DSLMF+,这是一个用于智能自主煤矿开采的大型图像数据集. 它解决了地下数据的缺乏,这对于人工智能驱动的采矿操作的安全性和效率至关重要.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 采矿工程 采矿工程 采矿工程
背景情况:
- 地下煤炭开采面临着恶劣环境和高事故率等挑战.
- 智能自主采矿和人工智能是提高安全性和效率的新兴解决方案.
- 在地下数据集中存在一个重要的差距,用于开发采矿人工智能.
研究的目的:
- 开发和引入一个全面的图像数据集,用于地下长壁采矿.
- 支持人工智能技术的进步,用于识别和警告异常的地下条件.
- 为智能采矿研究人员提供公开可用的资源.
主要方法:
- 创建DsLMF+数据集,其中包含138,004张注释图像.
- 6个关键类别的注释:矿山人员,液压支防护板,大型煤炭,拖线,矿工行为和矿山安全头盔.
- 用YOLO和COCO格式标记数据集,以实现广泛的兼容性.
主要成果:
- DsLMF+数据集包括138,004张图像和详细的注释.
- 专家审查证实了数据集对煤矿应用的可用性和准确性.
- 数据集是公开可访问的,用于开放式访问的研究和开发.
结论:
- DsLMF+数据集是训练地下采矿人工智能模型的重要资源.
- 它促进了智能系统的开发,以提高安全性和运营效率.
- 开放获取促进了协作研究,并加速了煤炭开采行业的AI采用.
