矿业研究与开发

作者：段雨静

关键词：地下矿山巷道;裂缝检测;多尺度特征融合;自注意力机制;矿山图像分析

针对地下矿山巷道复杂地质环境下裂缝检测精度不足、实时性受限等工程难题,提出一种融合多尺度特征感知与自适应注意力机制的地下矿山巷道裂缝分割网络(Underground Mine Tunnel Crack-segmentation network,UMTC-net).该网络通过分层级联Swin Transformer模块群,实现裂缝图像从局部纹理到全局结构的跨尺度特征提取;同时,引入对数空间相对位置编码的缩放余弦注意力机制,有效抑制异常像素干扰;此外,构建基于补丁动态合并/扩展的编解码框架,解决了传统检测方法中细微裂缝边界定位模糊、复杂背景误检率高的问题.结果表明:UMTC-net在 Crack500数据集中准确率达95.15％、平均交并比为85.78％、F1值达到83.27％,在 Mine Tunnel Crack-2000数据集中准确率高达87.51％、平均交并比为79.98％、F1值达到86.95％,均高于其他4种主流网络,尤其在低光照、高粉尘环境下表现出更强的鲁棒性;该网络在 RTX3060移动显卡上实现38.9ms的推理速度,显存占用仅5230MB,部署成本降低40％以上,满足便携式检测设备的实时性与低功耗需求,且适配性价比更高.现场测试中 UMTC-net检测效率较人工巡检提升8倍,漏检率从18％降至3.2％.研究结果为地下矿山巷道裂缝检测提供了高效精准的新方案,有助于及时发现安全隐患,保障矿山生产安全与设备稳定运行.

来源：2025年第12期

《矿业研究与开发》期刊编辑部

查看矿业研究与开发杂志2025年第12期