基于UeDiff-GAN的综采工作面目标检测与孪生体同步映射.pdf

第51卷第3期工矿自动化Vol.51No.3

2025年3月JournalofMineAutomationMar.2025

文章编号：1671-251X(2025)03-0009-08DOl:10.13272/j.issn.1671-251x.2024100061

基于UeDiff-GAN的综采工作面目标检测与

李生体同步映射

张帆，于洋1，戚振明？，李海军²，王春丽²，杜潇²，王柄印？，张光磊”，宋惠，席宸荣1

100083;

（1.中国矿业大学（北京）人工智能学院，北京

2.国能准能集团有限责任公司，内蒙古鄂尔多斯

010300;

3.中煤能源研究院有限责任公司，陕西西安710054）

摘要：矿井综采工作面数字李生模型的构建过程需要手动构建实体的数字李生3D模型，然后对实体进行目

标检测，并根据实时检测结果控制3D模型，以确保李生体与实体之间的同步映射关系。因此，对井下目标的实

时、准确检测是实现虚实同步映射控制的关键。目前主流的目标检测方法需要在传统模型中引入或改进模块，使

得模型网络结构复杂、训练周期较长，降低了目标检测的实时性；同时，对于一些含高强度噪声的图像难以精确检

测。针对上述问题,提出了一种基于UeDiff-GAN的综采工作面目标检测与李生体同步映射方法。通过扩散模

型对高质量样本进行加噪扩散，得到不同程度的加噪样本，然后使用生成对抗网络（GAN)模型进行训练；设计了

平滑扩散算法，以控制扩散步长，加入不均衡扩散模块，以得到与预识别样本匹配的检测算法模型。使用

Unity3D构建综采工作面3D模型并进行染，实现井下物理实体的对象李生，据此构建综采工作面实体与其李

生模型的映射关系，根据井下不同位置的检测结果控制对应机器运动状态及姿态，实现李生模型协同控制，从而

实现过程李生。在自制数据集上的实验结果表明：UeDiff-GAN模型对井下移动目标的平均检测精度较SSD,

R-CNN,YOLOv7和Diff-GAN模型分别提升了19.4%，14.3%,9.1%,24.3%；检测速度较SSD,R-CNN分别提升

了13.86,42.73帧/s；李生模型与实体的实时性延迟至多为0.873S。

关键词：综采工作面；数字李生；目标检测；虚实同步映射；扩散模型；生成对抗网络

中图分类号：TD67文献标志码：A

UeDiff-GAN-basedtargetdetectionandtwinsynchronizationmappingforfullymechanizedminingfaces

ZHANGFan,YUYang,QIZhenming,LIHaijun,WANGChunliz,DUXiao’,WANGBingyin,

ZHANGGuanglei,SONGHui,XIChenrong

(1.SchoolofArtificialIntelligence,ChinaUniversityofMiningandTechnology-Beijing,Beijing100083,China;

2.CHNEnergyZhunnengGroupCo.,Ltd.,Erdos010300,China;

3.ChinaCoalEnergyResearchInstituteCo.,Ltd.,Xian710054,China)

Abstract:Theconstructionofadigitaltwinmod