CN109905678A - 一种煤矿监控图像去雾处理系统 - Google Patents

Abstract

本发明公开了一种煤矿监控图像去雾处理系统，包括：采集单元，用于获得煤矿监控图像；判断单元，用于判断煤矿监控图像中是否存在雾；分析单元，用于若煤矿监控图像中存在雾，则对煤矿监控图像中的雾进行分析，判断煤矿监控图像中雾的类型；去雾单元，用于对煤矿监控图像进行去雾处理，若雾的类型为第一种，则基于去雾算法对煤矿监控图像进行去雾处理；若雾的类型为第二种，则对采集单元中采集设备镜头自动进行擦拭处理；实现了针对图像中的雾气产生的不同情况，分别进行计算机图像去雾，以及对监控摄像头镜头进行擦拭去雾处理，保障监控图像去雾处理效果的技术效果。

Description

一种煤矿监控图像去雾处理系统

技术领域

本发明涉及煤矿视频监测领域，具体地，涉及一种煤矿监控图像去雾处理系统。

背景技术

煤矿是人类在富含煤炭的矿区开采煤炭资源的区域，一般分为井工煤矿和露天煤矿。虽然煤矿开采设立了很多安全规程，但是煤矿事故却仍然发生，煤矿事故会产生重大的人员伤亡和经济损失。

因此，煤矿现场需要实时进行监控保障煤矿安全，现有技术中主要利用视频监控系统来对煤矿现场进行视频监控，但是煤矿现场湿度较大，经常容易出现雾气，导致监控图像中会出现雾气，而带雾的监控图像会降低图像质量，导致监控人员无法看清现场，降低了监控的作用。

因此，需要对煤矿监控系统的带雾的图像进行去雾处理，但是现有技术中仅针对了环境中产生了雾导致图像带雾这一种情况进行了处理，但是当环境中的湿度较大时，监控摄像头的镜头表面会产生水雾，这种情况会造成监控摄像头大面积出现水雾，传统的计算机去雾算法则无法较好的进行去雾处理。

发明内容

本发明提供了一种煤矿监控图像去雾处理系统，解决了现有的煤矿视频监控系统获得的图像去雾处理效果不全面的技术问题，实现了针对图像中的雾气产生的不同情况，分别进行计算机图像去雾，以及对监控摄像头镜头进行擦拭去雾处理，保障监控图像去雾处理效果的技术效果。

为实现上述发明目的，本申请提供了一种煤矿监控图像去雾处理系统，所述系统包括：

采集单元，用于获得煤矿监控图像；

判断单元，用于判断煤矿监控图像中是否存在雾；

分析单元，用于若煤矿监控图像中存在雾，则对煤矿监控图像中的雾进行分析，判断煤矿监控图像中雾的类型，雾的类型包括：第一种监控对象煤矿环境中的雾，第二种采集单元中采集设备镜头上的雾；

去雾单元，用于对煤矿监控图像进行去雾处理，若雾的类型为第一种，则基于去雾算法对煤矿监控图像进行去雾处理；若雾的类型为第二种，则对采集单元中采集设备镜头自动进行擦拭处理；若第一种和第二种均有，则同时进行两种处理。

其中，本发明的原理为首先对煤矿监控图像进行判断是否存在雾，然后对煤矿监控图像中的雾进行分析，判断煤矿监控图像中雾的类型，与传统的只有一种雾的类型不同，充分考虑了监控图像产生雾的多种原因，然后对煤矿监控图像进行去雾处理，若雾的类型为第一种，则基于去雾算法对煤矿监控图像进行去雾处理；若雾的类型为第二种，则对采集单元中采集设备镜头自动进行擦拭处理；若第一种和第二种均有，则同时进行两种处理，使得最终的监控图像去雾处理效果较好。

进一步的，所述判断单元具体包括：

建立模块，用于基于历史存在雾的煤矿监控图像进行深度学习，建立煤矿监控图像雾气判断模型；

判断模块，用于基于煤矿监控图像雾气判断模型判断煤矿监控图像中是否存在雾。

本申请中采用现有的深度学习算法，通过对历史存在雾的煤矿监控图像进行学习，建立煤矿监控图像雾气判断模型，通过获取相应的具有雾的图像的特征来判断图像是否存在雾，该方式为通过现有技术实现，本申请不再进行赘述。

进一步的，所述分析单元具体包括：

第一分析模块，用于基于监控对象煤矿环境中存在雾的煤矿监控图像进行深度学习，建立第一煤矿监控图像雾气类型判断模型；

第二分析模块，用于基于采集设备镜头上存在雾的煤矿监控图像进行深度学习，建立第二煤矿监控图像雾气类型判断模型；

第三分析模块，用于基于第一煤矿监控图像雾气类型判断模型和第二煤矿监控图像雾气类型判断模型，判断煤矿监控图像中的雾的类型。

进一步的，所述基于去雾算法对煤矿监控图像进行去雾处理，具体为：

使用雾天图像退化模型来描述雾对图像造成的影响，雾天图像退化模型表达式为：

I(x)＝J(x)e-rd(x)+A(1-e-rd(x))(1)

其中，x是图像像素的空间坐标，r表示大气散射系数，d代表景物深度，A为全球大气光成分；

基于上述模型，使用t(x))来表示透射率，建立描述雾图像形成的雾图模型：

I(x)＝J(x)t(x)+A(1-t(x))；(2)

x是图像像素的空间坐标，I(x)为待去雾的图像，J(x)为无雾图像，A为全球大气光成分，t为折射率即大气传递系数；

估计透射率t(x)：

获得全局大气光A，然后根据公式(2)可以得出：

t(x)＝A-I(x)A-J(x)(3)

t(x)的范围是[0,1]，I(x)的范围是[0,255]，J(x)的范围是[0,255]；A和I(x)是已知的，根据J(x)的范围确定t(x)的范围：

0≤J(x)≤255,0≤I(x)≤A,0≤J(x)≤A,0≤t(x)≤1(4)

t(x)≥A-I(x)A-0＝A-I(x)A＝1-I(x)A(5)

结合式(4)和式(5)可得：

1-I(x)A≤t(x)≤1(6)

因此初略估计透射率的计算公式：

t(x)＝1-I(x)A(7)

为了保证图片的自然性，增加一个参数w来调整透射率：

t(x)＝1-wI(x)A(8)

迭代思想估计透射率：

对式(2)进行变换得到：

J(x)＝1t(x)I(x)-At(x)+A(9)

估计出全局大气光A和透射率t(x)后，使用公式(9)计算得出去雾后的图像。

其中，通过上述算法能够准确快速的将图像中的雾去除，获得无雾的图像，便于监控人员进行观看。

进一步的，所述系统还包括：图像在去雾操作后，使用自动对比度增强或亮度增强或伽马校正图像处理方法对图像进行处理。去雾操作后，得到的无雾图像亮度会偏暗，可以使用自动对比度增强，亮度增强，伽马校正等图像处理方法进行处理，以便得效果更佳的无雾图像。

进一步的，所述采集单元具体为视频监控系统，利用清洁结构对采集单元中采集设备镜头自动进行擦拭处理，所述清洁结构包括：

固定板、控制器、机械臂、安装盘、电机、清洁轴、圆盘；

固定板固定在视频监控摄像头外壳上表面，控制器安装固定在固定板上，机械臂一端与固定板固定连接，机械臂另一端能够在控制器的控制下向视频监控摄像头的镜头延伸，机械臂另一端与安装盘背面固定连接，电机固定在安装盘正面中部，清洁轴一端与电机的转动轴连接，清洁轴另一端与圆盘背面连接，圆盘正面设有海绵层；电机用于在控制器的控制下进行转动，带动圆盘转动，圆盘正面海绵层与视频监控摄像头的镜头接触转动对视频监控摄像头的镜头表面的雾水进行清除。

其中，通过控制器对机械臂和电机进行控制，机械臂带动圆盘靠近视频监控摄像头的镜头，电机带动圆盘转动，利用海绵进行清洁和吸水，对视频监控摄像头的镜头进行除雾，完成后控制器控制机械臂收回清洁结构。

进一步的，所述控制器内预设有控制程序，用于控制机械臂的位移及位移量，使得在清洁时圆盘正面海绵层与视频监控摄像头的镜头接触；清洁完成后收回清洁结构，使得清洁结构未出现在视频监控摄像头的监控视线范围内。通过控制器控制位移及位移量能够准确的进行清洁。

进一步的，海绵层内设有压力传感器，当压力传感器检测到圆盘正面海绵层与视频监控摄像头的镜头接触时，将检测到的压力传递给控制器，控制器控制电机转动预设圈数，完成转动后利用机械臂收回清洁结构。

进一步的，所述海绵层内设有湿度传感器，湿度传感器将检测到的海绵层内湿度信息传递给控制器，当检测到的海绵层内湿度大于阈值是，控制器控制机械臂带动圆盘移动，使得圆盘向视频监控摄像头外壳移动，利用视频监控摄像头外壳挤压海绵层，当海绵层内湿度低于阈值时停止挤压，并利用控制器控制机械臂将清洁结构收回。当海绵层中水分较多时，会导致清洁的效果较差，因此，当海绵层水分过多时，控制器控制机械臂带动圆盘移动，使得圆盘向视频监控摄像头外壳移动，利用视频监控摄像头外壳挤压海绵层，将多余的水分挤压出然后进行清洁，保障清洁的效果。

进一步的，本申请中的清洁结构还设有相应的对准模块，能够保障圆盘与镜头对准，更好的完成清洁，保障清洁的效果，所述视频监控摄像头镜头处的外壳上设有若干红外对准发射模块，海绵层边缘的圆盘上设有若干红外对准接收模块，圆盘正面尺寸与视频监控摄像头镜头正面尺寸匹配，红外对准发射模块与红外对准接收模块一一对应，红外对准发射模块和红外对准接收模块均与控制器连接，当控制器接收到清洁指令时，控制器同时开启红外对准发射模块和红外对准接收模块，红外对准发射模块用于发射对准红外信息，红外对准接收模块用于接收对准红外信息，当全部红外对准接收模块均接收到对应红外对准发射模块发送的对准红外信息时，则控制器控制电机进行清洁，若对准不成功则不进行清洁。

本申请提供的一个或多个技术方案，至少具有如下技术效果或优点：

解决了现有的煤矿视频监控系统获得的图像去雾处理效果不全面的技术问题，实现了针对图像中的雾气产生的不同情况，分别进行计算机图像去雾，以及对监控摄像头镜头进行擦拭去雾处理，保障监控图像去雾处理效果的技术效果。

附图说明

此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定；

图1是本申请中煤矿监控图像去雾处理系统的组成示意图；

图2是本申请中清洁结构的结构示意图。

具体实施方式

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在相互不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述范围内的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。

请参考图1，本申请提供了一种煤矿监控图像去雾处理系统，所述系统包括：

采集单元，用于获得煤矿监控图像；

判断单元，用于判断煤矿监控图像中是否存在雾；

分析单元，用于若煤矿监控图像中存在雾，则对煤矿监控图像中的雾进行分析，判断煤矿监控图像中雾的类型，雾的类型包括：第一种监控对象煤矿环境中的雾，第二种采集单元中采集设备镜头上的雾；

去雾单元，用于对煤矿监控图像进行去雾处理，若雾的类型为第一种，则基于去雾算法对煤矿监控图像进行去雾处理；若雾的类型为第二种，则对采集单元中采集设备镜头自动进行擦拭处理；若第一种和第二种均有，则同时进行两种处理。

其中，本发明的原理为首先对煤矿监控图像进行判断是否存在雾，然后对煤矿监控图像中的雾进行分析，判断煤矿监控图像中雾的类型，与传统的只有一种雾的类型不同，充分考虑了监控图像产生雾的多种原因，然后对煤矿监控图像进行去雾处理，若雾的类型为第一种，则基于去雾算法对煤矿监控图像进行去雾处理；若雾的类型为第二种，则对采集单元中采集设备镜头自动进行擦拭处理；若第一种和第二种均有，则同时进行两种处理，使得最终的监控图像去雾处理效果较好。

其中，在本申请实施例中，所述判断单元具体包括：

建立模块，用于基于历史存在雾的煤矿监控图像进行深度学习，建立煤矿监控图像雾气判断模型；

判断模块，用于基于煤矿监控图像雾气判断模型判断煤矿监控图像中是否存在雾。

本申请中采用现有的深度学习算法，通过对历史存在雾的煤矿监控图像进行学习，建立煤矿监控图像雾气判断模型，通过获取相应的具有雾的图像的特征来判断图像是否存在雾，该方式为通过现有技术实现，本申请不再进行赘述。

其中，在本申请实施例中，所述分析单元具体包括：

第一分析模块，用于基于监控对象煤矿环境中存在雾的煤矿监控图像进行深度学习，建立第一煤矿监控图像雾气类型判断模型；

第二分析模块，用于基于采集设备镜头上存在雾的煤矿监控图像进行深度学习，建立第二煤矿监控图像雾气类型判断模型；

第三分析模块，用于基于第一煤矿监控图像雾气类型判断模型和第二煤矿监控图像雾气类型判断模型，判断煤矿监控图像中的雾的类型。

其中，在本申请实施例中，所述基于去雾算法对煤矿监控图像进行去雾处理，具体为：

使用雾天图像退化模型来描述雾对图像造成的影响，雾天图像退化模型表达式为：

I(x)＝J(x)e-rd(x)+A(1-e-rd(x)) (1)

其中，x是图像像素的空间坐标，r表示大气散射系数，d代表景物深度，A为全球大气光成分；

基于上述模型，使用t(x))来表示透射率，建立描述雾图像形成的雾图模型：

I(x)＝J(x)t(x)+A(1-t(x))； (2)

x是图像像素的空间坐标，I(x)为待去雾的图像，J(x)为无雾图像，A为全球大气光成分，t为折射率即大气传递系数；

估计透射率t(x)：

获得全局大气光A，然后根据公式(2)可以得出：

t(x)＝A-I(x)A-J(x) (3)

t(x)的范围是[0,1]，I(x)的范围是[0,255]，J(x)的范围是[0,255]；A和I(x)是已知的，根据J(x)的范围确定t(x)的范围：

0≤J(x)≤255,0≤I(x)≤A,0≤J(x)≤A,0≤t(x)≤1 (4)

t(x)≥A-I(x)A-0＝A-I(x)A＝1-I(x)A (5)

结合式(4)和式(5)可得：

1-I(x)A≤t(x)≤1 (6)

因此初略估计透射率的计算公式：

t(x)＝1-I(x)A (7)

为了保证图片的自然性，增加一个参数w来调整透射率：

t(x)＝1-wI(x)A (8)

迭代思想估计透射率：

对式(2)进行变换得到：

J(x)＝1t(x)I(x)-At(x)+A (9)

估计出全局大气光A和透射率t(x)后，使用公式(9)计算得出去雾后的图像。

其中，通过上述算法能够准确快速的将图像中的雾去除，获得无雾的图像，便于监控人员进行观看。

其中，在本申请实施例中，所述系统还包括：图像在去雾操作后，使用自动对比度增强或亮度增强或伽马校正图像处理方法对图像进行处理。去雾操作后，得到的无雾图像亮度会偏暗，可以使用自动对比度增强，亮度增强，伽马校正等图像处理方法进行处理，以便得效果更佳的无雾图像。

其中，在本申请实施例中，所述采集单元具体为视频监控系统，利用清洁结构对采集单元中采集设备镜头自动进行擦拭处理，请参考图2，所述清洁结构包括：

固定板2、控制器3、机械臂4、安装盘5、电机6、清洁轴7、圆盘8；

固定板固定在视频监控摄像头外壳1上表面，控制器安装固定在固定板上，机械臂一端与固定板固定连接，机械臂另一端能够在控制器的控制下向视频监控摄像头的镜头延伸，机械臂另一端与安装盘背面固定连接，电机固定在安装盘正面中部，清洁轴一端与电机的转动轴连接，清洁轴另一端与圆盘背面连接，圆盘正面设有海绵层；电机用于在控制器的控制下进行转动，带动圆盘转动，圆盘正面海绵层与视频监控摄像头的镜头接触转动对视频监控摄像头的镜头表面的雾水进行清除。

其中，通过控制器对机械臂和电机进行控制，机械臂带动圆盘靠近视频监控摄像头的镜头，电机带动圆盘转动，利用海绵进行清洁和吸水，对视频监控摄像头的镜头进行除雾，完成后控制器控制机械臂收回清洁结构。

其中，在本申请实施例中，所述控制器内预设有控制程序，用于控制机械臂的位移及位移量，使得在清洁时圆盘正面海绵层与视频监控摄像头的镜头接触；清洁完成后收回清洁结构，使得清洁结构未出现在视频监控摄像头的监控视线范围内。通过控制器控制位移及位移量能够准确的进行清洁。

其中，在本申请实施例中，海绵层内设有压力传感器，当压力传感器检测到圆盘正面海绵层与视频监控摄像头的镜头接触时，将检测到的压力传递给控制器，控制器控制电机转动预设圈数，完成转动后利用机械臂收回清洁结构。

其中，在本申请实施例中，所述海绵层内设有湿度传感器，湿度传感器将检测到的海绵层内湿度信息传递给控制器，当检测到的海绵层内湿度大于阈值时，控制器控制机械臂带动圆盘移动，使得圆盘向视频监控摄像头外壳移动，利用视频监控摄像头外壳挤压海绵层，当海绵层内湿度低于阈值时停止挤压，并利用控制器控制机械臂将清洁结构收回。当海绵层中水分较多时，会导致清洁的效果较差，因此，当海绵层水分过多时，控制器控制机械臂带动圆盘移动，使得圆盘向视频监控摄像头外壳移动，利用视频监控摄像头外壳挤压海绵层，将多余的水分挤压出然后进行清洁，保障清洁的效果。

其中，在本申请实施例中，本申请中的清洁结构还设有相应的对准模块，能够保障圆盘与镜头对准，更好的完成清洁，保障清洁的效果，所述视频监控摄像头镜头处的外壳上设有若干红外对准发射模块，海绵层边缘的圆盘上设有若干红外对准接收模块，圆盘正面尺寸与视频监控摄像头镜头正面尺寸匹配，红外对准发射模块与红外对准接收模块一一对应，红外对准发射模块和红外对准接收模块均与控制器连接，当控制器接收到清洁指令时，控制器同时开启红外对准发射模块和红外对准接收模块，红外对准发射模块用于发射对准红外信息，红外对准接收模块用于接收对准红外信息，当全部红外对准接收模块均接收到对应红外对准发射模块发送的对准红外信息时，则控制器控制电机进行清洁，若对准不成功则不进行清洁。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种煤矿监控图像去雾处理系统，其特征在于，所述系统包括：

采集单元，用于获得煤矿监控图像；

判断单元，用于判断煤矿监控图像中是否存在雾；

分析单元，用于若煤矿监控图像中存在雾，则对煤矿监控图像中的雾进行分析，判断煤矿监控图像中雾的类型，雾的类型包括：第一种监控对象煤矿环境中的雾，第二种采集单元中采集设备镜头上的雾；

去雾单元，用于对煤矿监控图像进行去雾处理，若雾的类型为第一种，则基于去雾算法对煤矿监控图像进行去雾处理；若雾的类型为第二种，则对采集单元中采集设备镜头自动进行擦拭处理；若第一种和第二种均有，则同时进行两种处理。

2.根据权利要求1所述的煤矿监控图像去雾处理系统，其特征在于，所述判断单元具体包括：

建立模块，用于基于历史存在雾的煤矿监控图像进行深度学习，建立煤矿监控图像雾气判断模型；

判断模块，用于基于煤矿监控图像雾气判断模型判断煤矿监控图像中是否存在雾。

3.根据权利要求1所述的煤矿监控图像去雾处理系统，其特征在于，所述分析单元具体包括：

第一分析模块，用于基于监控对象煤矿环境中存在雾的煤矿监控图像进行深度学习，建立第一煤矿监控图像雾气类型判断模型；

第二分析模块，用于基于采集设备镜头上存在雾的煤矿监控图像进行深度学习，建立第二煤矿监控图像雾气类型判断模型；

第三分析模块，用于基于第一煤矿监控图像雾气类型判断模型和第二煤矿监控图像雾气类型判断模型，判断煤矿监控图像中的雾的类型。

4.根据权利要求1所述的煤矿监控图像去雾处理系统，其特征在于，所述基于去雾算法对煤矿监控图像进行去雾处理，具体为：

使用雾天图像退化模型来描述雾对图像造成的影响，雾天图像退化模型表达式为：

I(x)＝J(x)e-rd(x)+A(1-e-rd(x)) (1)

其中，x是图像像素的空间坐标，r表示大气散射系数，d代表景物深度，A为全球大气光成分；

基于上述模型，使用t(x))来表示透射率，建立描述雾图像形成的雾图模型：

I(x)＝J(x)t(x)+A(1-t(x))； (2)

x是图像像素的空间坐标，I(x)为待去雾的图像，J(x)为无雾图像，A为全球大气光成分，t为折射率即大气传递系数；

估计透射率t(x)：

获得全局大气光A，然后根据公式(2)可以得出：

t(x)＝A-I(x)A-J(x) (3)

t(x)的范围是[0,1]，I(x)的范围是[0,255]，J(x)的范围是[0,255]；A和I(x)是已知的，根据J(x)的范围确定t(x)的范围：

0≤J(x)≤255,0≤I(x)≤A,0≤J(x)≤A,0≤t(x)≤1 (4)

t(x)≥A-I(x)A-0＝A-I(x)A＝1-I(x)A (5)

结合式(4)和式(5)可得：

1-I(x)A≤t(x)≤1 (6)

因此初略估计透射率的计算公式：

t(x)＝1-I(x)A (7)

为了保证图片的自然性，增加一个参数w来调整透射率：

t(x)＝1-wI(x)A (8)

迭代思想估计透射率：

对式(2)进行变换得到：

J(x)＝1t(x)I(x)-At(x)+A (9)

估计出全局大气光A和透射率t(x)后，使用公式(9)计算得出去雾后的图像。

5.根据权利要求4所述的煤矿监控图像去雾处理系统，其特征在于，所述系统图像在去雾操作后，使用自动对比度增强或亮度增强或伽马校正图像处理方法对图像进行处理。

6.根据权利要求1所述的煤矿监控图像去雾处理系统，其特征在于，所述采集单元具体为视频监控系统，利用清洁结构对采集单元中采集设备镜头自动进行擦拭处理，所述清洁结构包括：

固定板、控制器、机械臂、安装盘、电机、清洁轴、圆盘；

固定板固定在视频监控摄像头外壳上表面，控制器安装固定在固定板上，机械臂一端与固定板固定连接，机械臂另一端能够在控制器的控制下向视频监控摄像头的镜头延伸，机械臂另一端与安装盘背面固定连接，电机固定在安装盘正面中部，清洁轴一端与电机的转动轴连接，清洁轴另一端与圆盘背面连接，圆盘正面设有海绵层；电机用于在控制器的控制下进行转动，带动圆盘转动，圆盘正面海绵层与视频监控摄像头的镜头接触转动对视频监控摄像头的镜头表面的雾水进行清除。

7.根据权利要求6所述的煤矿监控图像去雾处理系统，其特征在于，所述控制器内预设有控制程序，用于控制机械臂的位移及位移量，使得在清洁时圆盘正面海绵层与视频监控摄像头的镜头接触；清洁完成后收回清洁结构，使得清洁结构未出现在视频监控摄像头的监控视线范围内。

8.根据权利要求6所述的煤矿监控图像去雾处理系统，其特征在于，海绵层内设有压力传感器，当压力传感器检测到圆盘正面海绵层与视频监控摄像头的镜头接触时，将检测到的压力传递给控制器，控制器控制电机转动预设圈数，完成转动后利用机械臂收回清洁结构。

9.根据权利要求6所述的煤矿监控图像去雾处理系统，其特征在于，所述海绵层内设有湿度传感器，湿度传感器将检测到的海绵层内湿度信息传递给控制器，当检测到的海绵层内湿度大于阈值时，控制器控制机械臂带动圆盘移动，使得圆盘向视频监控摄像头外壳移动，利用视频监控摄像头外壳挤压海绵层，当海绵层内湿度低于阈值时停止挤压，并利用控制器控制机械臂将清洁结构收回。

10.根据权利要求6所述的煤矿监控图像去雾处理系统，其特征在于，所述视频监控摄像头镜头处的外壳上设有若干红外对准发射模块，海绵层边缘的圆盘上设有若干红外对准接收模块，圆盘正面尺寸与视频监控摄像头镜头正面尺寸匹配，红外对准发射模块与红外对准接收模块一一对应，红外对准发射模块和红外对准接收模块均与控制器连接，当控制器接收到清洁指令时，控制器同时开启红外对准发射模块和红外对准接收模块，红外对准发射模块用于发射对准红外信息，红外对准接收模块用于接收对准红外信息，当全部红外对准接收模块均接收到对应红外对准发射模块发送的对准红外信息时，则控制器控制电机进行清洁，若对准不成功则不进行清洁。