【煤矿井下数据集】

一个用于智能识别和分类综采工作面异常工况的开放数据集

全机械化采煤工作面在地下煤矿生产中存在许多问题，例如恶劣的作业环境和较高的事故率等。近年来，智能自主采煤逐渐取代了传统采煤工艺。人工智能技术是一个活跃的研究领域，被期望用于识别和预警地下长壁采矿中的异常情况。然而，这一技术的发展离不开数据集的构建，但目前地下采矿领域的数据集仍是一片空白。本文开发了一个地下长壁采矿工作面的图像数据集（DsLMF+），该数据集包含138004张图像，标注了6类目标，分别是矿工、液压支架护板、大块煤、拖缆、矿工行为以及矿用安全帽。所有数据集标签均以YOLO格式和COCO格式公开提供。数据集的可用性和准确性已通过煤矿领域专家的审核。该数据集是开放访问的，旨在支持地下采矿中异常状态的智能识别与分类的进一步研究和发展。

1. 背景与总结

在未来几十年内，煤炭仍将是全球的主要能源来源。长壁采矿工作面中的自主采煤设备能够辅助或替代人工完成危险的采矿作业，从而实现煤矿的安全高效生产。但是，一些复杂任务仍然需要人工参与。然而，全机械化长壁采煤工作面在地下煤矿开采过程中存在许多问题，例如恶劣的作业环境、高灾害风险和高事故率等。智能采矿已成为解决地下高风险作业并实现安全高效生产的重要途径之一。随着人工智能技术的快速发展，设备、环境和人员的异常情况有望实现实时、准确的检测。

在全机械化工作面中，液压支架是保障整个工作面安全生产不可或缺的设备。作为全机械化采煤的核心设备，液压支架可以为工作面提供安全保障，推动工作面中的刮板输送机和采煤机，同时能够可靠有效地支撑煤矿顶板、隔离采空区、阻止矸石进入工作面。根据全机械化采煤工作面的采矿工艺，一旦液压支架护板在工作过程中未到位或未完全回收，可能会导致液压支架与采煤机之间的运动干涉。因此，及时监测液压支架护板的状态并进行处理是必要的。对于全机械化长壁采煤工作面，大块煤容易导致刮板输送机堵塞、积煤等异常状态。因此，需要自动识别和跟踪大块煤，以便及时判断和预警大块煤的异常状态。在全机械化采矿工作面中，拖缆用于保障采煤机的电力供应和稳定运行。然而，在作业过程中，由于电缆夹过度堆积，可能导致拖缆断裂或脱离电缆槽，从而引发电缆撕裂，造成井下漏电，最终可能导致触电、瓦斯爆炸、煤尘爆炸、火灾等重大煤矿安全事故。因此，有必要对拖缆进行实时状态监控和智能分析，确保及时发现和处理拖缆故障。

为了保障全机械化采矿工作面人员的安全，有必要识别和跟踪矿工，以判断其是否处于安全区域。对于进入危险区域的人员，应及时检测和定位，进行语音提醒，并同时停止相关设备的运行。除了矿工进入危险区域外，矿工在作业过程中会有各种不同的姿势。在复杂的工作环境中，矿工的不安全行为也容易导致煤矿安全事故的增加，因此需要随时关注井下工作人员的异常行为。安全帽是煤矿工人在作业过程中必须佩戴的安全设备。在采煤过程中，煤层开采导致的压力转移可能会增加煤墙的压力，最终导致煤墙片帮的现象。顶板坠落的煤块以及人员与设备之间的碰撞可能导致受伤事故。因此，安全帽与全机械化工作面矿工的安全密切相关，对煤矿工作人员安全帽的佩戴情况也需要实时监控。

以上提到的液压支架护板、大块煤、拖缆、矿工检测、人员行为以及安全帽佩戴情况是全机械化长壁采煤工作面异常检测与识别的关键内容。全机械化采煤工作面的监控视频数量庞大且更新迅速。在传统生产过程中，通过人工实时视频监控由专业人员判断工作面异常情况，这可能因长时间工作导致的视觉疲劳而未能及时发现异常情况。因此，将人工智能技术应用于液压支架护板、大块煤、拖缆、矿工行为及安全帽佩戴情况的异常状态分析、识别与预警具有重要意义。利用智能数据挖掘进行目标检测离不开数据集，并需要大量样本进行训练以实现更好的泛化能力。因此，为全机械化长壁采煤工作面的地下异常状态识别与预警建立图像数据集是非常必要的。鉴于目前井下数据集仍然空白，本文构建了一个用于全机械化采煤工作面地下异常状态智能识别的图像数据集 DsLMF+，该数据集主要包括液压支架护板、大块煤、拖缆、安全帽、矿工及矿工行为。

目前，数据集被广泛应用于自动驾驶、目标检测、人脸识别、自然语言处理、文本检测、医学等领域。一些常用的目标检测数据集包括：（1）COCO 数据集，以大规模常见物品为目标检测对象；（2）VOC 数据集，以人物、常见动物、交通工具、室内家具为目标检测对象；（3）DOTA 数据集，以飞机、船舶、储油罐、棒球场、网球场、篮球场、跑道、港口、桥梁为目标检测对象；（4）TT100K 数据集，以常见车辆为目标检测对象；（5）WIDER FACE 数据集，以人脸表情、光照和姿态为目标检测对象；（6）专门用于目标检测的 YOLO 格式数据集等。除了这些常见的数据集，我们还可以通过 PyTorch 框架自定义数据集，但自定义数据集格式复杂、形式多样且共享性较差。目前井下数据集仍然空白，为了构建并促进全机械化采煤工作面图像数据集在智能采煤领域的推广与应用，应考虑煤矿数据集的兼容性和实用性。

根据对上述常用目标检测数据集格式和制作方法的分析，本研究的数据集由熟悉煤矿综采工作面的专业人员完成制作。使用 LabelImg 软件完成了数据集的 YOLO 格式