CN112990169B - 煤岩界面的识别方法、割煤轨迹的确定方法及装置 - Google Patents
煤岩界面的识别方法、割煤轨迹的确定方法及装置 Download PDFInfo
- Publication number
- CN112990169B CN112990169B CN202110549318.5A CN202110549318A CN112990169B CN 112990169 B CN112990169 B CN 112990169B CN 202110549318 A CN202110549318 A CN 202110549318A CN 112990169 B CN112990169 B CN 112990169B
- Authority
- CN
- China
- Prior art keywords
- coal
- rock
- image
- training
- blue
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供了一种煤岩界面的识别方法、割煤轨迹的确定方法及装置,涉及煤岩界面识别技术领域,包括:获取采煤场景的待识别煤壁图像组;其中,所述待识别煤壁图像组包括待识别近红外波段图像和待识别蓝绿波段图像;通过预先训练的煤岩识别网络根据所述待识别近红外波段图像和所述待识别蓝绿波段图像对所述采煤场景进行煤岩识别,得到所述采煤场景的煤岩识别结果。本发明实施例不仅可以在粉尘、水雾条件下准确采集煤壁纹理,显著提高了煤岩界面识别的普适性,而且还有效提高了煤岩界面识别的准确性。
Description
技术领域
本发明涉及煤岩界面识别技术领域,尤其是涉及一种煤岩界面的识别方法、割煤轨迹的确定方法及装置。
背景技术
采煤机工作时需要综采工作面煤层厚度自适应截割,其技术核心是煤岩界面识别。目前,煤岩界面识别技术有基于机器视觉的可见光图像识别、高光谱图像识别、热成像与可见光结合的图像识别等,这些方法针对井下采煤工作面的煤尘干扰问题,在图像处理算法和红外光谱特性方面提出了一些处理方案。但是在实际应用中,对可见光图像进行数字图像处理无法满足大多数采煤工作面的煤尘干扰问题,且往往忽略了水这个关键因素,这是由于采煤过程中为了降尘通常会喷洒水雾,而水在近红外光谱范围完全被吸收,如果相机拍摄范围存在水雾,或者煤岩表面覆盖有水,则近红外无法通过光谱进行识别。综上所述,现有煤岩界面识别技术的普适性较差。
发明内容
有鉴于此,本发明的目的在于提供一种煤岩界面的识别方法、割煤轨迹的确定方法及装置,本发明实施例不仅可以在粉尘、水雾条件下准确采集煤壁纹理,显著提高了煤岩界面识别的普适性,而且还有效提高了煤岩界面识别的准确性。
第一方面,本发明实施例提供了一种煤岩界面的识别方法,包括:获取采煤场景的待识别煤壁图像组;其中,所述待识别煤壁图像组包括待识别近红外波段图像和待识别蓝绿波段图像;通过预先训练的煤岩识别网络根据所述待识别近红外波段图像和所述待识别蓝绿波段图像对所述采煤场景进行煤岩识别,得到所述采煤场景的煤岩识别结果。
在一种实施方式中,所述获取采煤场景的待识别煤壁图像组的步骤,包括:通过图像采集设备采集采煤场景的待识别煤壁图像组;其中,所述图像采集设备包括多光谱相机和多个多光谱合成LED光源,所述多光谱合成LED光源对应所述多光谱相机的响应波段,各个所述多光谱合成LED光源相对于所述多光谱合成LED光源呈等距环绕设置。
在一种实施方式中,所述煤岩识别网络的训练步骤,包括:分别控制各个所述多光谱合成LED光源单独点亮,并在每个多光谱合成LED光源单独点亮期间控制所述多光谱相机采集训练煤壁图像组;其中,所述训练煤壁图像包括至少一个训练红外波段图像和至少一个训练蓝绿波段图像;对各个所述训练蓝绿波段图像进行预处理,得到标注有煤矸标注区域的处理后蓝绿波段图像;将所述煤矸标注区域复制至各个所述训练近红外波段图像,得到标注有所述煤矸标注区域的多个处理后近红外波段图像;利用所述处理后蓝绿波段图像和所述处理后近红外波段图像,对煤岩识别网络进行训练。
在一种实施方式中,所述对各个所述训练蓝绿波段图像进行预处理,得到标注有煤矸标注区域的处理后蓝绿波段图像的步骤,包括:对各个所述训练蓝绿波段图像分别进行暗部拉伸处理,得到多个第一图像;其中,所述暗部拉伸处理包括gamma变换处理;采用像素点平均法将各个所述第一图像合成为第二图像;对所述第二图像进行纹理增强处理,得到第三图像;对所述第三图像中的煤矸标注区域进行人工标注,得到标注有煤矸标注区域的处理后蓝绿波段图像。
第二方面,本发明实施例提供了一种割煤轨迹的确定方法,包括:获取采煤场景的煤岩识别结果;其中,所述煤岩识别结果是采用上述第一方面任一项所述的煤岩界面的识别方法确定的;基于所述煤岩识别结果构建多维煤岩界面图谱;利用轨迹预测算法根据所述多维煤岩界面图谱确定割煤轨迹。
在一种实施方式中,控制岩石探测设备对所述采煤场景进行岩石探测,并在监测到所述采煤场景存在岩石时调节所述割煤轨迹;其中,所述岩石探测设备配置有应力截齿法、热成像探测法、震动检测法、声音检测法中的一种或多种。
第三方面,本发明实施例提供了一种煤岩界面的识别装置,包括:图像获取模块,用于获取采煤场景的待识别煤壁图像组;其中,所述待识别煤壁图像组包括待识别近红外波段图像和待识别蓝绿波段图像;煤岩识别模块,用于通过预先训练的煤岩识别网络根据所述待识别近红外波段图像和所述待识别蓝绿波段图像对所述采煤场景进行煤岩识别,得到所述采煤场景的煤岩识别结果。
第四方面,本发明实施例提供了一种割煤轨迹的确定装置,包括:结果获取模块,用于获取采煤场景的煤岩识别结果;其中,所述煤岩识别结果是采用第一方面提供的任一项所述的煤岩界面的识别方法确定的;图谱构建模块,用于基于所述煤岩识别结果构建多维煤岩界面图谱;轨迹确定模块,用于利用轨迹预测算法根据所述多维煤岩界面图谱确定割煤轨迹。
第五方面,本发明实施例还提供一种电子设备,包括存储器以及处理器;所述存储器中存储有可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述第一方面和第四方面任一项所述的方法的步骤。
第六方面,本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有机器可运行指令,所述计算机可运行指令在被处理器调用和运行时,所述计算机可运行指令促使所述处理器运行所述第一方面和第四方面任一项所述的方法。
本发明实施例提供的一种煤岩界面的识别方法及装置,首先利用多光谱相机采集采煤场景中的待识别煤壁图像,需要说明的是,待识别的煤壁图像中通常会包括近红外波段和至少一个蓝绿波段图像,然后利用训练好点的煤岩识别网络对采集到的待识别图像进行识别。上述方法通过预先训练好的煤岩识别网络和采集到的红外波段图像以及蓝绿波段图像进行煤岩识别,利用水对蓝绿波段吸收率低的特点,使得在粉尘、水雾等低照度环境下可以准确采集到煤壁纹理,显著提高了煤岩界面识别的普适性,而且还有效提高了煤岩界面识别的准确性。
本发明实施例提供的一种割煤轨迹的确定方法及装置,通过上述煤岩识别方法得到煤岩识别结果,根据煤岩识别结果建立多维煤岩界面图谱,最后再利用轨迹预测算法对上述多维煤岩界面图谱进而确定割煤轨迹,本发明实施例能够用上述煤岩界面的识别方法较为准确地识别出工作面的煤岩分布,从而在此基础上更为合理地规划出割煤轨迹,进而提高了采煤效率和采煤工作的安全性。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种煤岩界面的识别方法的流程示意图;
图2为本发明实施例提供的一种煤岩界面的识别方法的应用示意图;
图3为本发明实施例提供的一种割煤轨迹的确定方法的流程示意图;
图4为本发明实施例提供的一种煤岩界面的识别装置的结构示意图;
图5为本发明实施例提供的一种割煤轨迹的确定装置的结构示意图;
图6本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合实施例对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
采煤机工作时主要依靠采煤机司机的视觉、听觉和个人经验对采煤机的截割滚筒调高,但井下作业存在大量粉尘、水雾的影响因子,同时能见度低、噪声大,因此采煤机司机不能对采煤机摇臂进行精准调节,经常会造成欠挖或过挖的现象,造成资源浪费,带来安全隐患。而要解决这一问题的关键核心技术是煤岩界面的识别,针对煤岩界面识别的方法有放射线性探测法、雷达探测法、应力截齿法、热成像探测法、振动检测法、声音检测法、粉尘检测法、记忆截割法、基于可见光和红外光的机器视觉检测法等,但是在实际应用中,难以适应我国复杂多变的地质情况。比如,放射性探测法和雷达探测法对顶底岩板类型有要求,在我国只有少部分矿井能使用;应力截齿法在实际工作中遇到较硬矸石会出现截齿脱落情况;热成像探测法、震动检测法、声音检测法对煤尘和一些非机械震动及噪声的抗干扰能力有限,识别精度不高;目前应用最广泛的记忆截割法属于半自动方法,在实际工作中会高度依赖人工监控,难以避免欠挖和过挖的情况。采用机器视觉的煤岩界面识别方法,难以满足采煤工作面的煤尘干扰问题,同时,工作范围内存在水雾时,就容易出现难以对煤岩界面准确识别的问题。基于此,本发明实施例提供了一种煤岩界面的识别方法、割煤轨迹的确定方法。
为便于对本实施例进行理解,首先对本发明实施例所公开的一种煤岩界面的识别方法进行详细介绍,具体参见图1所示的一种煤岩界面的识别方法的流程示意图,该方法主要包括以下步骤:
步骤S102,获取采煤场景的待识别煤壁图像组。其中,待识别煤壁图像组包括待识别近红外波段图像和待识别蓝绿波段图像。其中,待识别煤壁图像可以包括360-2500nm内多个波段的图像,其中,400-500nm波段即为上述待识别蓝绿波段图像,该波段为相机可接收波段范围内水的吸收率最低的波段,其余波段即为上述近红外波段图像。在实际应用中,可以采用多光谱相机采集采煤场景中的煤壁图像,其中,每台多光谱相机可以配备多个多光谱合成LED(Light-Emitting Diode,发光二极管)光源(诸如3个),且多个光源等距离环绕在安装在相机周围。需要说明的是,多光谱相机能够同时采集360-2500nm内多个波段图像的能力,且其中必须有一个波段固定为400-500nm(也即蓝绿光波段),除此以外,还包括近红外波段。
步骤S104,通过预先训练的煤岩识别网络根据待识别近红外波段图像和待识别蓝绿波段图像对采煤场景进行煤岩识别,得到采煤场景的煤岩识别结果。其中,煤岩识别结果可以用于表征采煤场景的煤壁中煤石和岩石的分布情况。在实际应用中,预先对煤岩识别网络进行训练,并利用训练后的煤岩识别网络对待识别煤壁图像进行煤岩识别。
本发明实施例提供的一种煤岩界面的识别方法及装置,首先利用多光谱相机采集采煤场景中的待识别煤壁图像,需要说明的是,待识别的煤壁图像中通常会包括近红外波段和蓝绿波段图像,然后利用训练好点的煤岩识别网络对采集到的待识别图像进行识别。上述方法通过预先训练好的煤岩识别网络和采集到的红外波段图像以及蓝绿波段图像进行煤岩识别,利用水对蓝绿波段吸收率低的特点,使得在粉尘、水雾等低照度环境下可以准确采集到煤壁纹理,显著提高了煤岩界面识别的普适性,而且还有效提高了煤岩界面识别的准确性。
在上述步骤S102的基础上,本发明还提供了一种获取采煤场景的待识别煤壁图像组的实施方式,包括:通过图像采集设备采集采煤场景的待识别煤壁图像组。其中,图像采集设备包括多光谱相机和多个多光谱合成LED光源,多光谱合成LED光源对应多光谱相机的响应波段,各个多光谱合成LED光源相对于多光谱合成LED光源呈等距环绕设置。在实际应用中,主要利用多光谱相机进行图像采集,其中,多光谱相机能够同时采集360-2500nm内多个波段。一般来说,每台多光谱相机应当配备多个多光谱合成LED光源,比如,可以采取3个多光谱合成LED光源,且3个光源等距环绕相机安装,具体参见图2所示的一种煤岩界面的识别方法的应用示意图。特别地,采用LED光源是因为与卤素灯相比,其光电转换效率高,光源稳定性好,适应为井下低照度环境提供照明。且LED光谱对应多光谱相机的响应波段。可选的,安装好多光谱相机后,先由人工控制采煤机割几刀,期间采集足够多的水雾、煤尘、煤岩表面喷水和未喷水情况下的样本,用以训练煤岩识别网络。
本发明还提供一种煤岩识别网络的训练的实施方式,包括如下步骤1至步骤4:
步骤1,分别控制各个多光谱合成LED光源单独点亮,并在每个多光谱合成LED光源单独点亮期间控制多光谱相机采集训练煤壁图像组。其中,训练煤壁图像包括至少一个训练红外波段图像和至少一个训练蓝绿波段图像。在实际应用中,多光谱相机配备多个多光谱合成LED光源,采集训练煤壁图像时需要分别控制每个多光谱合成LED光源单独点亮,比如,一个多光谱相机配备三个多光谱合成LED光源A、B、C,先单独控制A光源点亮,采集N张图像,然后单独控制B光源点亮,同样采集N张图像,最后单独控制C光源点亮,采集N张图像,其中,每次采集的图像均包括一张红外波段图像和一张蓝绿波段图像,即共采集3张蓝绿波段图像。另外,多光谱相机既可以安装在采煤机上随采煤机工作移动,也可以安装多台相机到液压支架上,保证相机能够拍摄到采煤机切割过的煤壁即可。本发明实施例单独点亮每个多光谱合成LED光源,可以降低采煤场景的空气中尘雾的影响,使训练得到的煤岩识别网络可以更好地识别采煤场景中的煤岩,从而通过该煤岩识别网络得到准确度更高的煤岩识别结果。
步骤2,对各个训练蓝绿波段图像进行预处理,得到标注有煤矸标注区域的处理后蓝绿波段图像。在一种可选的实施方式中,将采集到的蓝绿波段图像进行预处理,预处理包括gamma变换、像素点平方等,得到具有煤矸标注区域标注的蓝绿波段图像。
步骤3,将煤矸标注区域复制至各个训练近红外波段图像,得到标注有煤矸标注区域的多个处理后近红外波段图像。
步骤4,利用处理后蓝绿波段图像和各个处理后近红外波段图像,对煤岩识别网络进行训练。在实际应用中,可将处理后蓝绿波段图像和处理后近红外波段组合为训练样本,然后将训练样本输入煤岩识别网络中,以对煤岩识别网络进行训练。
基于上述论述,本发明实施例还提供一种对各个训练蓝绿波段图像进行预处理,得到标注有煤矸标注区域的处理后蓝绿波段图像的实施方式,包括如下步骤a至步骤d:
步骤a,对各个训练蓝绿波段图像分别进行暗部拉伸处理,得到多个第一图像;其中,暗部拉伸处理包括gamma变换处理。在实际应用中,预处理主要包括对蓝绿波段图像进行gamma变换,主要是将图像暗部拉伸以减少图像反光带来的影响。
步骤b,采用像素点平均法将各个第一图像合成为第二图像。为了降低第二图像的识别难度,本发明实施例利用像素点求平方的方法将多幅蓝绿波段图像合成为1幅,例如,将3张蓝绿波段图像叠加为1张清晰的第二图像,并在第二图像的基础上得到处理后蓝绿波段图像,利用该处理后蓝绿波段图像对煤岩识别网络进行训练,使煤岩识别网络更好地进行学习,从而使训练得到的煤岩识别网络具有更高的准确率。
步骤c,对第二图像进行纹理增强处理,得到第三图像。采用数字图像处理方法进行纹理增强,以消除尘雾和煤壁表面反光干扰。
步骤d,对第三图像中的煤矸标注区域进行人工标注,得到标注有煤矸标注区域的处理后蓝绿波段图像。利用人工标记该图像的煤矸标注区域并自动复制到采集的近红外波段图像上,最后将训练样本输入煤岩识别网络中进行训练。
本发明还提供一种割煤轨迹的确定方法,具体参见图3所示的一种割煤轨迹的确定方法的流程示意图,包括以下步骤:
步骤S302,获取采煤场景的煤岩识别结果。其中,煤岩识别结果是采用前述实施例提供的煤岩界面的识别方法确定的。在一种实施方式中,可采集采煤场景的待识别煤壁图像,从而利用煤岩识别网络根据待识别煤壁图像对采煤场景进行煤岩识别,得到煤岩识别结果。其中,上述煤岩识别结果可用于割煤轨迹研究,并将获取到的煤岩识别结果作为构建多维煤岩界面图谱。
步骤S304,基于煤岩识别结果构建多维煤岩界面图谱。其中,多维煤岩界面图谱可以为三维煤岩界面图谱。在实际应用中,获取到煤岩识别结果以后,将采煤机切割过的煤层煤岩界面识别位置存储,并形成三维煤岩界面图谱,该三维煤岩界面图谱可作为时空轨迹预测算法的初始值。
步骤S306,利用轨迹预测算法根据多维煤岩界面图谱确定割煤轨迹。用时空轨迹预测算法对采煤机下一刀割煤轨迹进行预测,并根据预测的采煤轨自动调节采煤机的滚动高度。在实际应用中,时空轨迹预测算法可以采用卡尔曼滤波预测算法、马尔可夫、蒙特卡罗预测算法、基于神经网络的预测算法等。
本发明实施例提供的一种割煤轨迹的确定方法及装置,通过上述煤岩识别方法得到煤岩识别结果,根据煤岩识别结果建立多维煤岩界面图谱,最后再利用轨迹预测算法对上述多维煤岩界面图谱进而确定割煤轨迹,本发明实施例能够用上述煤岩界面的识别方法较为准确地识别出工作面的煤岩分布,从而在此基础上更为合理地规划出割煤轨迹,进而提高了采煤效率和采煤工作的安全性。
在一种实施方式中,控制岩石探测设备对采煤场景进行岩石探测,并在监测到采煤场景存在岩石时调节割煤轨迹。其中,岩石探测设备配备有应力截齿法、热成像探测法、震动检测法、声音检测法中的一种或多种。在实际应用中,还需要在采煤操作进行之前进行岩石探测,比如,可以采取应力截齿法、热成像探测法震动检测法、声音检测法等其中一种或几种探测方法,主要用于检测割煤过程中是否会割到岩石,当割到岩石时,及时调低滚筒高度并对三维图片界面进行更新。
本发明实施例能够实时精确判断待截割工作面的煤岩分布,并根据煤岩分布情况规划出合理的滚筒截割路径,可有效避免采煤机截割到顶板、减少滚筒截齿的磨损和破坏,提升采煤品质。另外,本发明实施例还能够避免煤炭资源的浪费,保证顶底板表面平整。此外,本发明实施例针对开采过程中产生大量煤尘,以及为了降尘而喷洒的水雾,以及低照度对图像采集的影响,提出了一种多光谱多方向补光的图像采集方案,利用水对400-500nm波段蓝绿光吸收率低的特点,使得在低照度环境下采集的到清晰的煤壁纹理。多方向打光生成复合图像的方法消除煤尘和水雾的影响。利用煤岩的近红外光谱吸收特性,叠加清晰的蓝绿光图像作为深度学习的样本,使得训练得到的模型准确率更高,预测结果更加稳定。
综上所述,本发明提供的煤岩界面的识别方法、割煤轨迹的确定方法,首先利用多光谱相机对采煤场景的煤壁图像进行采集,并作为训练样本对煤岩识别网络进行训练得到煤岩识别网络模型,再利用训练好的煤岩识别网络模型对待识别煤壁图像进行识别得到煤岩界面的识别结果,然后将此识别结果作为初始数据构建多维煤岩界面图谱,并利用轨迹预测算法预测割煤轨迹,本发明的方法可以在粉尘、水雾条件下准确采集煤壁纹理,实现对煤岩界面的准确识别,还能精确判断工作面的煤岩分布,合理规划出割煤轨迹,提高了采煤效率和采煤工作的安全性。
基于前述实施例所提供的煤岩界面的识别方法、割煤轨迹的确定方法,本发明实施提供了一种煤岩界面的识别装置,参见图4所示的一种煤岩界面的识别装置的结构示意图,装置至少包括以下部分:
图像获取模块402,用于获取采煤场景的待识别煤壁图像组;其中,待识别煤壁图像组包括待识别近红外波段图像和待识别蓝绿波段图像;
煤岩识别模块404,用于通过预先训练的煤岩识别网络根据待识别近红外波段图像和待识别蓝绿波段图像对采煤场景进行煤岩识别,得到采煤场景的煤岩识别结果。
本发明实施例提供的煤岩界面的识别方法及装置,首先利用多光谱相机采集采煤场景中的待识别煤壁图像,需要说明的是,待识别的煤壁图像中通常会包括近红外波段和至少一个蓝绿波段图像,然后利用训练好点的煤岩识别网络对采集到的待识别图像进行识别。上述方法通过预先训练好的煤岩识别网络和采集到的红外波段图像以及蓝绿波段图像进行煤岩识别,本发明实施例可以能在粉尘、水雾条件下准确采集煤壁纹理,实现对煤岩界面的准确识别。
在一种实施方式中,图像获取模块402还用于:通过图像采集设备采集采煤场景的待识别煤壁图像组;其中,图像采集设备包括多光谱相机和多个多光谱合成LED光源,多光谱合成LED光源对应多光谱相机的响应波段,各个多光谱合成LED光源相对于多光谱合成LED光源呈等距环绕设置。
在一种实施方式中,还包括训练模块,用于:通过图像采集设备采集采煤场景的训练煤壁图像组;其中,训练煤壁图像组包括训练近红外波段图像和至少一个训练蓝绿波段图像;对各个训练蓝绿波段图像进行预处理,得到标注有煤矸标注区域的处理后蓝绿波段图像;将煤矸标注区域复制至训练近红外波段图像,得到标注有煤矸标注区域的处理后近红外波段图像;利用处理后蓝绿波段图像和处理后近红外波段图像,对煤岩识别网络进行训练。
在一种实施方式中,还包括预处理单元,用于:对各个训练蓝绿波段图像分别进行暗部拉伸处理,得到多个第一图像;其中,暗部拉伸处理包括gamma变换处理;采用像素点平均法将各个第一图像合成为第二图像;对第二图像进行纹理增强处理,得到第三图像;对第三图像中的煤矸标注区域进行人工标注,得到标注有煤矸标注区域的处理后蓝绿波段图像。
本发明实施提供了一种割煤轨迹的确定装置,参见图5所示的一种割煤轨迹的确定装置的结构示意图,装置至少包括以下部分:
结果获取模块502,用于获取采煤场景的煤岩识别结果;其中,煤岩识别结果是采用前述实施例提供的煤岩界面的识别方法确定的;
图谱构建模块504,用于基于煤岩识别结果构建多维煤岩界面图谱;
轨迹确定模块506,用于利用轨迹预测算法根据多维煤岩界面图谱确定割煤轨迹。
本发明实施例提供的一种割煤轨迹的确定装置,通过上述煤岩识别方法得到煤岩识别结果,根据煤岩识别结果建立多维煤岩界面图谱,最后再利用轨迹预测算法对上述多维煤岩界面图谱进而确定割煤轨迹,本发明实施例能够用上述煤岩界面的识别方法较为准确地识别出工作面的煤岩分布,从而在此基础上更为合理地规划出割煤轨迹,进而提高了采煤效率和采煤工作的安全性。
在一种实施方式中,还包括岩石探测模块,用于:控制岩石探测设备对采煤场景进行岩石探测,并在监测到采煤场景存在岩石时调节割煤轨迹;其中,岩石探测设备配置有应力截齿法、热成像探测法、震动检测法、声音检测法中的一种或多种。
本实施例所提供的装置,其实现原理及产生的技术效果和前述实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。
本发明实施例提供了一种电子设备,具体的,该电子设备包括处理器和存储装置;存储装置上存储有计算机程序,计算机程序在被所述处理器运行时执行如上所述实施方式的任一项所述的方法。
图6本发明实施例提供的一种电子设备的结构示意图,该电子设备100包括:处理器60,存储器61,总线62和通信接口63,所述处理器60、通信接口63和存储器61通过总线62连接;处理器60用于执行存储器61中存储的可执行模块,例如计算机程序。
其中,存储器61可能包含高速随机存取存储器(RAM,Random Access Memory),也可能还包括非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。通过至少一个通信接口63(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接,可以使用互联网,广域网,本地网,城域网等。
总线62可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图6中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
其中,存储器61用于存储程序,所述处理器60在接收到执行指令后,执行所述程序,前述本发明实施例任一实施例揭示的流过程定义的装置所执行的方法可以应用于处理器60中,或者由处理器60实现。
处理器60可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器60中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器60可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital SignalProcessing,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器61,处理器60读取存储器61中的信息,结合其硬件完成上述方法的步骤。
本发明实施例所提供的可读存储介质的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见前述方法实施例,在此不再赘述。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (8)
1.一种煤岩界面的识别方法,其特征在于,包括:
获取采煤场景的待识别煤壁图像组;其中,所述待识别煤壁图像组包括待识别近红外波段图像和待识别蓝绿波段图像;
通过预先训练的煤岩识别网络根据所述待识别近红外波段图像和所述待识别蓝绿波段图像对所述采煤场景进行煤岩识别,得到所述采煤场景的煤岩识别结果;
所述获取采煤场景的待识别煤壁图像组的步骤,包括:通过图像采集设备采集采煤场景的待识别煤壁图像组;其中,所述图像采集设备包括多光谱相机和多个多光谱合成LED光源,所述多光谱合成LED光源对应所述多光谱相机的响应波段,各个所述多光谱合成LED光源相对于所述多光谱相机呈等距环绕设置;
所述煤岩识别网络的训练步骤,包括:分别控制各个所述多光谱合成LED光源单独点亮,并在每个多光谱合成LED光源单独点亮期间控制所述多光谱相机采集训练煤壁图像组;其中,所述训练煤壁图像包括至少一个训练近红外波段图像和至少一个训练蓝绿波段图像;对各个所述训练蓝绿波段图像进行预处理,得到标注有煤矸标注区域的处理后蓝绿波段图像;将所述煤矸标注区域复制至各个所述训练近红外波段图像,得到标注有所述煤矸标注区域的多个处理后近红外波段图像;利用所述处理后蓝绿波段图像和各个所述处理后近红外波段图像,对煤岩识别网络进行训练。
2.根据权利要求1所述的方法,其特征在于,所述对各个所述训练蓝绿波段图像进行预处理,得到标注有煤矸标注区域的处理后蓝绿波段图像的步骤,包括:
对各个所述训练蓝绿波段图像分别进行暗部拉伸处理,得到多个第一图像;其中,所述暗部拉伸处理包括gamma变换处理;
采用像素点平均法将各个所述第一图像合成为第二图像;
对所述第二图像进行纹理增强处理,得到第三图像;
对所述第三图像中的煤矸标注区域进行人工标注,得到标注有煤矸标注区域的处理后蓝绿波段图像。
3.一种割煤轨迹的确定方法,其特征在于,包括:
获取采煤场景的煤岩识别结果;其中,所述煤岩识别结果是采用权利要求1-2任一项所述的煤岩界面的识别方法确定的;
基于所述煤岩识别结果构建多维煤岩界面图谱;
利用轨迹预测算法根据所述多维煤岩界面图谱确定割煤轨迹。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
控制岩石探测设备对所述采煤场景进行岩石探测,并在监测到所述采煤场景存在岩石时调节所述割煤轨迹;
其中,所述岩石探测设备配置有应力截齿法、热成像探测法、震动检测法、声音检测法中的一种或多种。
5.一种煤岩界面的识别装置,其特征在于,包括:
图像获取模块,用于获取采煤场景的待识别煤壁图像组;其中,所述待识别煤壁图像组包括待识别近红外波段图像和待识别蓝绿波段图像;
煤岩识别模块,用于通过预先训练的煤岩识别网络根据所述待识别近红外波段图像和所述待识别蓝绿波段图像对所述采煤场景进行煤岩识别,得到所述采煤场景的煤岩识别结果;
所述图像获取模块还用于:通过图像采集设备采集采煤场景的待识别煤壁图像组;其中,所述图像采集设备包括多光谱相机和多个多光谱合成LED光源,所述多光谱合成LED光源对应所述多光谱相机的响应波段,各个所述多光谱合成LED光源相对于所述多光谱相机呈等距环绕设置;
还包括训练模块,用于:分别控制各个所述多光谱合成LED光源单独点亮,并在每个多光谱合成LED光源单独点亮期间控制所述多光谱相机采集训练煤壁图像组;其中,所述训练煤壁图像包括至少一个训练近红外波段图像和至少一个训练蓝绿波段图像;对各个所述训练蓝绿波段图像进行预处理,得到标注有煤矸标注区域的处理后蓝绿波段图像;将所述煤矸标注区域复制至各个所述训练近红外波段图像,得到标注有所述煤矸标注区域的多个处理后近红外波段图像;利用所述处理后蓝绿波段图像和各个所述处理后近红外波段图像,对煤岩识别网络进行训练。
6.一种割煤轨迹的确定装置,其特征在于,包括:
结果获取模块,用于获取采煤场景的煤岩识别结果;其中,所述煤岩识别结果是采用权利要求1-2任一项所述的煤岩界面的识别方法确定的;
图谱构建模块,用于基于所述煤岩识别结果构建多维煤岩界面图谱;
轨迹确定模块,用于利用轨迹预测算法根据所述多维煤岩界面图谱确定割煤轨迹。
7.一种电子设备,其特征在于,包括处理器和存储器;
所述存储器上存储有计算机程序,所述计算机程序在被所述处理器运行时执行如权利要求1至2任一项所述的方法,或执行如权利要求3至4任一项所述的方法。
8.一种计算机存储介质,其特征在于,用于储存为权利要求1至2任一项所述方法所用的计算机软件指令,或储存为权利要求3至4任一项所述方法所用的计算机软件指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110549318.5A CN112990169B (zh) | 2021-05-20 | 2021-05-20 | 煤岩界面的识别方法、割煤轨迹的确定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110549318.5A CN112990169B (zh) | 2021-05-20 | 2021-05-20 | 煤岩界面的识别方法、割煤轨迹的确定方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112990169A CN112990169A (zh) | 2021-06-18 |
CN112990169B true CN112990169B (zh) | 2021-08-24 |
Family
ID=76337071
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110549318.5A Active CN112990169B (zh) | 2021-05-20 | 2021-05-20 | 煤岩界面的识别方法、割煤轨迹的确定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112990169B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114119481B (zh) * | 2021-10-25 | 2023-04-07 | 桂林电子科技大学 | 多参数普适性煤岩界面感知识别及采煤机轨迹规划方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107563296A (zh) * | 2017-08-07 | 2018-01-09 | 深圳先进技术研究院 | 基岩海岸岸线的提取方法及系统 |
CN112686259A (zh) * | 2020-12-16 | 2021-04-20 | 中国石油大学(北京) | 基于深度学习的岩石图像智能识别方法、装置及存储介质 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102496004B (zh) * | 2011-11-24 | 2013-11-06 | 中国矿业大学(北京) | 一种基于图像的煤岩界面识别方法与系统 |
CN102720496B (zh) * | 2012-06-27 | 2014-12-31 | 江苏师范大学 | 采煤机煤岩界面自动识别、滚筒自动调高方法和系统 |
EP2939593A1 (en) * | 2014-05-02 | 2015-11-04 | Lindberg, Lars-Göran | Device and system for determining physiological parameters from the sternum bone |
CN104895564B (zh) * | 2015-04-22 | 2018-12-11 | 河南理工大学 | 基于机器视觉用于采煤机的煤岩界面识别装置 |
CN107727592B (zh) * | 2017-10-10 | 2020-10-09 | 中国矿业大学 | 一种基于煤岩高光谱反射特性的煤岩界面识别方法 |
CN108711146B (zh) * | 2018-04-19 | 2022-03-01 | 中国矿业大学 | 一种基于可见光和红外图像融合的煤岩识别装置及方法 |
CN109166113B (zh) * | 2018-08-23 | 2023-11-10 | 江苏中机矿山设备有限公司 | 一种采煤机截割控制系统及截割轨迹规划方法 |
CN109740485B (zh) * | 2018-12-27 | 2021-02-02 | 中国水利水电科学研究院 | 基于光谱分析和深度卷积神经网络的水库或塘坝识别方法 |
CN111414950B (zh) * | 2020-03-13 | 2023-08-18 | 天津美腾科技股份有限公司 | 基于标注者专业度管理的矿石图片标注方法和系统 |
CN111811981A (zh) * | 2020-09-03 | 2020-10-23 | 天津美腾科技股份有限公司 | 煤含量检测方法、装置及系统 |
CN112132078A (zh) * | 2020-09-29 | 2020-12-25 | 三一重型装备有限公司 | 一种基于图像和热成像跟踪的煤岩界面识别系统 |
-
2021
- 2021-05-20 CN CN202110549318.5A patent/CN112990169B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107563296A (zh) * | 2017-08-07 | 2018-01-09 | 深圳先进技术研究院 | 基岩海岸岸线的提取方法及系统 |
CN112686259A (zh) * | 2020-12-16 | 2021-04-20 | 中国石油大学(北京) | 基于深度学习的岩石图像智能识别方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112990169A (zh) | 2021-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108921159B (zh) | 用于检测安全帽的佩戴情况的方法和装置 | |
CN111855664B (zh) | 一种可调节隧道病害三维检测系统 | |
CN105051754A (zh) | 用于通过监控系统检测人的方法和装置 | |
CN107851318A (zh) | 用于对象跟踪的系统和方法 | |
CN110135302B (zh) | 训练车道线识别模型的方法、装置、设备和存储介质 | |
CN106780284A (zh) | 隧道洞壁围岩完整性信息采集装置及评价方法 | |
CN111077093A (zh) | 一种基于多光谱技术的煤矸石快速检测的方法与装置 | |
CN110991452B (zh) | 一种车位框检测方法、装置、设备及可读存储介质 | |
CN111680610A (zh) | 一种施工场景异常监测方法和装置 | |
CN112990169B (zh) | 煤岩界面的识别方法、割煤轨迹的确定方法及装置 | |
CN101930540A (zh) | 基于视频的多特征融合的火焰检测装置和方法 | |
JP7480838B2 (ja) | 道路劣化診断装置、道路劣化診断方法、及び、プログラム | |
US20220391693A1 (en) | Training transformer neural networks to generate parameters of convolutional neural networks | |
Guo et al. | Surface defect detection of civil structures using images: Review from data perspective | |
CN101581989B (zh) | 图像捕捉定位系统 | |
CN104715250A (zh) | 十字激光检测方法和装置 | |
CN117423157A (zh) | 一种结合迁移学习、区域入侵的矿井下异常视频动作理解方法 | |
CN113450385B (zh) | 一种夜间工作工程机械视觉跟踪方法、装置及存储介质 | |
KR102150661B1 (ko) | 객체를 검출하기 위한 전처리 장치 및 방법 | |
CN113569943B (zh) | 一种基于深度神经网络的渣片大块预警方法、系统及装置 | |
CN115546736A (zh) | 基于图像采集的河道采砂监控处理方法及系统 | |
CN106997685A (zh) | 一种基于微机视觉的路边停车位检测装置 | |
CN114445751A (zh) | 视频关键帧图像轮廓特征的提取方法和装置 | |
CN113781388A (zh) | 基于图像增强的输电线路通道隐患图像识别方法及装置 | |
CN114266837A (zh) | 一种道路标识检测方法、装置、设备及计算机存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230731 Address after: Room 137, 1st Floor, Building 8, Ecological Construction Apartment, West of Zhongcheng Avenue and South of Zhongbin Avenue, Zhongxin Ecological City, Tianjin Binhai New Area, 300467 Patentee after: TIANJIN ZHONGXIN ZHIGUAN INFORMATION TECHNOLOGY CO.,LTD. Address before: Room 137, 1 / F, building 8, ecological construction apartment, south of Zhongbin Avenue, Zhongxin ecological city, Binhai New Area, Tianjin 300450 Patentee before: Tianjin Meiteng Technology Co.,Ltd. |
|
TR01 | Transfer of patent right |