CN112508861A - 一种基于图像处理的煤炭开采沉陷的预警系统 - Google Patents
一种基于图像处理的煤炭开采沉陷的预警系统 Download PDFInfo
- Publication number
- CN112508861A CN112508861A CN202011303134.2A CN202011303134A CN112508861A CN 112508861 A CN112508861 A CN 112508861A CN 202011303134 A CN202011303134 A CN 202011303134A CN 112508861 A CN112508861 A CN 112508861A
- Authority
- CN
- China
- Prior art keywords
- early warning
- subsidence
- coal mining
- level
- image processing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000005065 mining Methods 0.000 title claims abstract description 56
- 239000003245 coal Substances 0.000 title claims abstract description 43
- 238000012545 processing Methods 0.000 title claims abstract description 25
- 238000012544 monitoring process Methods 0.000 claims abstract description 31
- 238000000034 method Methods 0.000 claims abstract description 7
- 238000013461 design Methods 0.000 claims abstract description 5
- 238000012549 training Methods 0.000 claims abstract description 4
- 238000013527 convolutional neural network Methods 0.000 claims description 4
- 238000006073 displacement reaction Methods 0.000 claims description 4
- 238000003062 neural network model Methods 0.000 claims description 2
- 230000002787 reinforcement Effects 0.000 claims 1
- 238000001514 detection method Methods 0.000 abstract description 4
- 230000000694 effects Effects 0.000 abstract description 4
- 238000007781 pre-processing Methods 0.000 abstract description 3
- 238000003672 processing method Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 229910052500 inorganic mineral Inorganic materials 0.000 description 2
- 239000011707 mineral Substances 0.000 description 2
- 239000011435 rock Substances 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009439 industrial construction Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21F—SAFETY DEVICES, TRANSPORT, FILLING-UP, RESCUE, VENTILATION, OR DRAINING IN OR OF MINES OR TUNNELS
- E21F17/00—Methods or devices for use in mines or tunnels, not covered elsewhere
- E21F17/18—Special adaptations of signalling or alarm devices
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C5/00—Measuring height; Measuring distances transverse to line of sight; Levelling between separated points; Surveyors' levels
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- Mining & Mineral Resources (AREA)
- Remote Sensing (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Radar, Positioning & Navigation (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Geology (AREA)
- Image Analysis (AREA)
Abstract
本发明要解决的技术问题是，提供一种基于图像处理的煤炭开采沉陷的预警系统，利用目标检测和图像处理的方法，实现煤炭开采沉陷的监测，且具有成本低、效果好等优点。为解决上述技术问题，本发明采用的技术方案是：一种基于图像处理的煤炭开采沉陷的预警系统，具体包括以下步骤：(1)在煤矿开采工作面布置沉陷监测点，利用多闪高精度相机拍取工作面图像，(2)对采集来的图像进行预处理，提取沉陷监测点特征(3)以一定的标准，将预警等级划分为正常，一级、二级、三级、四级。(4)利用预处理后的图像训练一个具有风险等级辨识能力的模型。(5)利用训练好的网络模型进行风险等级预测，完成基于图像处理的煤炭开采沉陷的预警系统的设计。
Description
技术领域
本发明涉及目标检测和图像处理的领域，具体涉及基于图像处理的煤炭开采的预警系统
背景技术
我国工业建设正在随着国内经济的发展而不断进步，正逐渐趋于现代化，在实际中对煤炭质量和需求量的要求也越来越高。纵观现状，国内的煤矿开采技术得到了质的飞跃，并仍在快速发展，目前国内相关及行业所使用的煤炭开采方式安全性和可靠性更强，而且工作效率也得到大幅度提升。但是，国内的煤矿资源正随着人们的不断开采而逐渐减少。而煤炭资源对我国经济的发展起着重要的作用和意义。因此，持续研究、改进煤矿的开采技术，增加煤矿产量极其重要，而且是必然的。
煤炭资源的大规模开采，一方面满足了我国经济建设的需要，另一方面由于地下矿藏的开采，使得地表深处出现了大面积的采空区。在矿区开采前，岩体在地应力场作用下处于相对平衡状态。当地下有用矿物被采出后，破坏了采区周围岩体内部的原始应力平衡状态。当开采面积达到一定范围后，起始于采场附近的移动将扩展到地表，引起地表下沉，在地表形成一定范围的下沉区，这种下沉区俗称塌陷区。在此过程中，使岩层和地表产生连续的移动、变形和非连续的破坏(开裂、冒落等)的这种现象，我们称之为“开采沉陷”。开采沉陷的分布规律取决于地质和采矿等因素的综合影响，包括自然地质因素和采矿技术因素。针对煤炭开采沉陷的问题，国内外学者都做出了巨大的努力，取得了巨大的成果，但是依旧存在诸多问题需要去解决。
(1)利用卫星监测技术，监测固定监测点的变化，从而对开采沉陷进行了监测，这种方法精度高，但是成本太高，没法做到全面的推广。
(2)利用D-InSAR监测技术对采煤沉陷进行监测，从而有效的监测沉陷问题，但是由于时空失相关和大气延迟的影响，常规的D-InSAR技术测量精度较低。
因此，有必要开发出一种成本低，并且监测效果好的煤炭开采沉陷的监测系统。
发明内容
本发明要解决的技术问题是，提供一种基于图像处理的煤炭开采沉陷的预警系统，利用目标检测和图像处理的方法，实现在煤炭开采过程中，对开采沉陷问题进行有效的监测，且具有成本低，效果好等优点。为解决上述技术问题，本发明采用的技术方案是：一种基于图像处理的煤炭开采沉陷的预警系统，具体包括以下步骤，相关流程图参见图1：
(1)在煤矿开采的工作面布置沉陷监测点，并且摆放高精度多闪相机，用来监测沉陷监测点不同时刻的位移变化，且需要利用快闪的功能，从而拍出监测点位置细微的变化，
(2)对采集来的图像数据进行预处理，将沉陷监测点的特征提取出来，将其他的背景抹去，这样有利于提高最终结果的精度。
(3)根据一定的标准，将预处理后的图像，进行风险等级的划分，分别为正常，一级预警、二级预警、三级预警、四级预警，这五个等级。其中，沉陷的程度越大，其风险的等级就越高。
(4)利用预处理后的图像来训练一个具有风险等级辨识能力的模型，其中该模型的选择，有很多种，常见的有卷积神经网络的VGG16模型、VGG19模型、ResNet模型、EfficientNet模型等。
(5)利用训练好的网络模型进行风险等级预测，从而完成基于图像处理的煤炭开采沉陷的预警系统的设计。
本发明提出的一种基于图像处理的煤炭开采沉陷的预警系统，系统结构图参见图2。首先，利用图像采集模块采集数据，如利用高精度多闪相机对布置在煤炭开采工作面的沉陷监测点，进行不同时刻的拍照，从而获取数据。其次，利用图像处理模块对数据集进行处理，将采取来的数据进行预处理，首先对沉陷监测点进行目标识别，然后将识别目标的特征进行提取，将其他无用的背景进行剔除。最后，利用中心模块对采集来的数据进行检测，检测当前属于什么风险等级，在通过预警模块进行预警。其具体的过程为：
将采集来的图像经预处理后送至煤炭开采沉陷的预警系统进行检测。在初始的时候，该系统监测的等级处于正常范围，随着煤炭开采的进行，工作面会发生不同程度的开采沉陷问题，这时煤炭开采沉陷的预警系统会进行检测，当系统检测出是一、二两个风险的等级的时候，此时属于沉陷程度还不是很严重，此时起到提醒的作用。当预警等级达到了三、四两个等级的时候，这时属于沉陷程度比较严重，必须停止开采，需要进行人为的对开采工作面进行加固，才能继续开采。
附图说明
下面结合附图和本发明的实施方式进一步详细说明：
图1为基于图像处理的煤炭开采沉陷的预警系统的流程示意图
图2为基于图像处理的煤炭开采沉陷的预警系统的结构图
图3为正常状态下开采工作面图像
图4为开采工作面中沉陷监测点特征的提取
具体实施方式
下面结合实施实例对本发明做进一步详细阐述。
(1)该实验数据来源于大型煤炭开采模拟实验场，利用高精度多闪相机进行拍摄而来，图3为正常状态下开采工作面的图像。其中红色的点代表的就是沉陷监测点，根据沉陷监测点位移的变化来判断所处于的风险等级。
(2)对采集的图像进行预处理，将沉陷监测点的特征提取出来，并且将其他的背景抹去，从而减少无关因素的影响。特征提取过程见图4。
(3)将处理好的图像整理成一个数据集，利用该数据集进行神经网络模型的训练，从而得到一个具有识别风险等级的网络模型，同时测试该网络模型。从而实现基于图像处理的煤炭开采沉陷的预警系统的设计。
上面结合附图对本发明的实施方式作了详细的说明，但是本发明不限于上述实施方式，在所属技术领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。
Claims (6)
1.一种基于图像处理的煤炭开采沉陷的预警系统，其特征在于，具体包括以下步骤，
(1)在煤矿开采的工作面布置沉陷监测点，并且摆放高精度多闪相机，用来监测沉陷监测点不同时刻的位移变化，且需要利用快闪的功能，从而拍出监测点位置细微的变化，
(2)对采集来的图像数据进行预处理，将沉陷监测点的特征提取出来，将其他的背景抹去，这样有利于提高最终结果的精度。
(3)根据一定的标准，将预处理后的图像，进行风险等级的划分，分别为正常，一级预警、二级预警、三级预警、四级预警，这五个等级。其中，沉陷的程度越大，其风险的等级就越高。
(4)利用预处理后的图像来训练一个具有风险等级辨识能力的模型，其中该模型的选择，有很多种，常见的有卷积神经网络的VGG16模型、VGG19模型、ResNet模型、EfficientNet模型等。
(5)利用训练好的网络模型进行风险等级预测，从而完成基于图像处理的煤炭开采沉陷的预警系统的设计。
2.根据权利要求1所述的基于图像处理的煤炭开采沉陷的预警系统，其特征在于，所述步骤(1)中首先在煤矿开采的工作面布置沉陷监测点，目的是通过检测沉陷监测点位移的变化，来判断沉陷的状态。在利用高精度多闪相机进行拍照，目的是能更清楚的观测到沉陷监测点，同时能更清楚的观测出监测点的位置变化。
3.根据权利要求1所述的基于图像处理的煤炭开采沉陷的预警系统，其特征在于，所述步骤(2)中对所采集的数据进行预处理，首先将沉陷监测点的特征提取出来，从而构成新的数据集。利用图像增强等方法进一步对数据集处理，去除图像中干扰预警结果的无关因素。
4.根据权利要求1所述的基于图像处理的煤炭开采沉陷的预警系统，其特征在于，所述步骤(3)中根据一定的标准，将预处理后的图像，进行风险等级的划分，分别为正常，一级预警、二级预警、三级预警、四级预警，这五个等级。其中，沉陷的程度越大，其风险的等级就越高。其中，一、二等级属于轻微预警等级，出现预警时，起到提醒的作用，要时刻注意警惕；三、四等级属于严重预警等级，出现此预警时，必须停止开采。当进行加固后，才可继续开采。
5.根据权利要求1所述的基于图像处理的煤炭开采沉陷的预警系统，其特征在于，所述步骤(4)中利用处理好的数据集对神经网络模型进行训练，这个过程需要大量的时间和数据集来完成。其中最常用的神经网络是卷积神经网络，该网络具有更高的精度。诸如，卷积神经网络的VGG16模型、VGG19模型、ResNet模型、EfficientNet模型等。
6.根据权利要求1所述的基于图像处理的煤炭开采沉陷的预警系统，其特征在于，所述步骤(5)中利用训练好的网络模型，来进行风险等级的预测。利用采集的图像作为该网络模型的输入，从而检测该网络模型是否具有预测风险等级的能力，并且输出预测风险等级的精度为多少。最终实现基于图像处理的煤炭开采沉陷的预警系统的设计。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011303134.2A CN112508861A (zh) | 2020-11-19 | 2020-11-19 | 一种基于图像处理的煤炭开采沉陷的预警系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011303134.2A CN112508861A (zh) | 2020-11-19 | 2020-11-19 | 一种基于图像处理的煤炭开采沉陷的预警系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112508861A true CN112508861A (zh) | 2021-03-16 |
Family
ID=74958829
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011303134.2A Pending CN112508861A (zh) | 2020-11-19 | 2020-11-19 | 一种基于图像处理的煤炭开采沉陷的预警系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112508861A (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100045513A1 (en) * | 2008-08-22 | 2010-02-25 | Microsoft Corporation | Stability monitoring using synthetic aperture radar |
| WO2012145884A1 (zh) * | 2011-04-25 | 2012-11-01 | 中国人民解放军国防科学技术大学 | 一种工程建筑沉降的监测方法与监测系统 |
| CN102768022A (zh) * | 2012-07-20 | 2012-11-07 | 长安大学 | 采用数码照相技术的隧道围岩变形检测方法 |
| CN104133996A (zh) * | 2014-07-25 | 2014-11-05 | 首都师范大学 | 一种基于云模型和数据场的地面沉降风险等级评估方法 |
| CN205352389U (zh) * | 2016-02-24 | 2016-06-29 | 广西大学 | 通过高清视频实现地铁盾构隧道地表位移实时监测的系统 |
| CN106895788A (zh) * | 2017-03-23 | 2017-06-27 | 济南大学 | 一种水库坝体变形自动监测方法和系统 |
| CN106969751A (zh) * | 2017-03-13 | 2017-07-21 | 西安科技大学 | 一种基于无人机遥感的采煤地表沉陷量监测计算的方法 |
| CN107764192A (zh) * | 2017-11-30 | 2018-03-06 | 中国地质调查局水文地质环境地质调查中心 | 一种滑坡多点位移智能监测装置及监测方法 |
| CN109297464A (zh) * | 2018-12-03 | 2019-02-01 | 大连维德集成电路有限公司 | 一种基于激光定位的桥梁沉降视觉监测装置及方法 |
| CN110532872A (zh) * | 2019-07-24 | 2019-12-03 | 宁德市公路局 | 一种基于卷积支持向量神经网络的滑坡分级系统及方法 |
| CN111442728A (zh) * | 2020-04-10 | 2020-07-24 | 中铁十六局集团路桥工程有限公司 | 一种基于遥感技术的隧道岩层多点位移同步监测的方法 |
-
2020
- 2020-11-19 CN CN202011303134.2A patent/CN112508861A/zh active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100045513A1 (en) * | 2008-08-22 | 2010-02-25 | Microsoft Corporation | Stability monitoring using synthetic aperture radar |
| WO2012145884A1 (zh) * | 2011-04-25 | 2012-11-01 | 中国人民解放军国防科学技术大学 | 一种工程建筑沉降的监测方法与监测系统 |
| CN102768022A (zh) * | 2012-07-20 | 2012-11-07 | 长安大学 | 采用数码照相技术的隧道围岩变形检测方法 |
| CN104133996A (zh) * | 2014-07-25 | 2014-11-05 | 首都师范大学 | 一种基于云模型和数据场的地面沉降风险等级评估方法 |
| CN205352389U (zh) * | 2016-02-24 | 2016-06-29 | 广西大学 | 通过高清视频实现地铁盾构隧道地表位移实时监测的系统 |
| CN106969751A (zh) * | 2017-03-13 | 2017-07-21 | 西安科技大学 | 一种基于无人机遥感的采煤地表沉陷量监测计算的方法 |
| CN106895788A (zh) * | 2017-03-23 | 2017-06-27 | 济南大学 | 一种水库坝体变形自动监测方法和系统 |
| CN107764192A (zh) * | 2017-11-30 | 2018-03-06 | 中国地质调查局水文地质环境地质调查中心 | 一种滑坡多点位移智能监测装置及监测方法 |
| CN109297464A (zh) * | 2018-12-03 | 2019-02-01 | 大连维德集成电路有限公司 | 一种基于激光定位的桥梁沉降视觉监测装置及方法 |
| CN110532872A (zh) * | 2019-07-24 | 2019-12-03 | 宁德市公路局 | 一种基于卷积支持向量神经网络的滑坡分级系统及方法 |
| CN111442728A (zh) * | 2020-04-10 | 2020-07-24 | 中铁十六局集团路桥工程有限公司 | 一种基于遥感技术的隧道岩层多点位移同步监测的方法 |
Non-Patent Citations (3)
| Title |
|---|
| LUIGI BARAZZETTI ET AL: "Development and Implementation of Image-based Algorithms for Measurement of Deformations in Material Testing", 《SENSORS》 * |
| 叶晓康: "基于视觉测量的基坑变形系统的设计与开发", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
| 郑重 等: "基于深度学习的遥感图像中地面塌陷识别方法研究", 《现代商贸工业》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101770038B (zh) | 矿山微震源智能定位方法 | |
| CN102509087B (zh) | 一种基于图像灰度共生矩阵的煤岩识别方法 | |
| US20230144184A1 (en) | Advanced geological prediction method and system based on perception while drilling | |
| CN103670516B (zh) | 一种岩爆灾害微震监测预警关键点的识别方法 | |
| US11899154B2 (en) | DAS same-well monitoring real-time microseismic effective event identification method based on deep learning | |
| Zhao et al. | Classification of mine blasts and microseismic events using starting-up features in seismograms | |
| CN107559045B (zh) | 煤矿井下工作面矿压预测预警系统及方法 | |
| CN105257339A (zh) | 掘进工作面多参量综合监测预警方法 | |
| CN113685188B (zh) | 一种基于岩渣物理特征的tbm掘进优化方法 | |
| CN113821977B (zh) | 一种用于tbm隧道施工的岩爆风险评估系统及方法 | |
| CN112232522B (zh) | 一种深部巷道支护方案智能推荐及动态优化方法 | |
| CN102913285B (zh) | 矿井顶板危险报警的方法 | |
| CN106248672A (zh) | 一种基于dic技术的现场孔内岩体裂纹扩展模式识别方法及系统 | |
| CN102644457B (zh) | 一种随钻邻井距离计算方法 | |
| Wang et al. | An auto-detection network to provide an automated real-time early warning of rock engineering hazards using microseismic monitoring | |
| CN115758671A (zh) | 围岩巷道加强锚注支护全生命周期管理方法、系统及应用 | |
| CN116658246A (zh) | 一种煤矿水害监测预警系统及方法 | |
| CN111505733A (zh) | 一种地下工程裂隙岩体赋存特殊地质体多源异构信息融合分析与动态预测方法 | |
| Li et al. | Waveform recognition and process interpretation of microseismic monitoring based on an improved LeNet5 convolutional neural network | |
| CN117670092A (zh) | 基于数据分析的煤矿爆破数据分析系统 | |
| CN112508861A (zh) | 一种基于图像处理的煤炭开采沉陷的预警系统 | |
| CN109598029A (zh) | 一种应用于高瓦斯煤巷co2高压气体致裂的设计方法 | |
| CN110500096B (zh) | 一种硬岩型铀矿井生产规模确定方法 | |
| Bingqian et al. | Research progress and prospect of secondary subsidence monitoring, prediction and stability evaluation in closed underground mines | |
| Zheng et al. | Simulation of bench stepping and optimization of bolt parameters based on multiple geological information fusion |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |