CN113160225A - 露天矿粉尘浓度识别方法、存储介质及电子设备 - Google Patents

露天矿粉尘浓度识别方法、存储介质及电子设备 Download PDF

Info

Publication number
CN113160225A
CN113160225A CN202110551491.9A CN202110551491A CN113160225A CN 113160225 A CN113160225 A CN 113160225A CN 202110551491 A CN202110551491 A CN 202110551491A CN 113160225 A CN113160225 A CN 113160225A
Authority
CN
China
Prior art keywords
stope
picture
full
dust concentration
dust
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
Application number
CN202110551491.9A
Other languages
English (en)
Inventor
霍文
崔云剑
马栋良
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenhua Zhungeer Energy Co Ltd
Original Assignee
Shenhua Zhungeer Energy Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenhua Zhungeer Energy Co Ltd filed Critical Shenhua Zhungeer Energy Co Ltd
Priority to CN202110551491.9A priority Critical patent/CN113160225A/zh
Publication of CN113160225A publication Critical patent/CN113160225A/zh
Pending legal-status Critical Current

Links

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection

Abstract

本申请公开了一种露天矿粉尘浓度识别方法、存储介质及电子设备，获取同一时间下不同角度的第一采场全貌图片和第二采场全貌图片；将所述第一采场全貌图片和所述第二采场全貌图片与无粉尘图片集进行对比，分别确定所述第一采场全貌图片的第一粉尘浓度数据和所述第二采场全貌图中的第二粉尘浓度数据；根据所述第一粉尘浓度数据和所述第二粉尘浓度数据确定采场真实粉尘浓度。本申请的技术方案采用图像处理的方式实现粉尘浓度测定，成本较低且能够获取整个采场的粉尘分布情况；在同一时间采集不同角度的两张采场全貌图片，得到两个粉尘浓度数据，结合两个粉尘浓度数据得到采场真实粉尘浓度，使得真实粉尘浓度的准确度更高。

Description

露天矿粉尘浓度识别方法、存储介质及电子设备
技术领域
本申请涉及粉尘识别技术领域，尤其涉及一种露天矿粉尘浓度识别方法、存储介质及电子设备。
背景技术
露天矿采场中会产生大量的粉尘，为了保障采场安全和作业人员的人身安全，需要对露天矿采场中的粉尘浓度进行严格控制，避免粉尘浓度过高，因此对露天矿粉尘浓度的测定对露天矿的安全生产具有重要意义。
目前露天矿粉尘浓度的测定主要通过粉尘测量仪完成，粉尘测量仪虽然能够较为精准地进行粉尘浓度测量，但每个粉尘测量仪的测量区域有限，需要布置大量粉尘测量仪才能获取整个采场的粉尘浓度数据，一方面成本过高，另一方面测量出的粉尘浓度数据较为分散，无法得到整个采场的粉尘浓度分布，不利于后续制定粉尘抑制方案的数据分析。因此，需要提供一种成本低并且能够获取采场粉尘浓度分布的露天矿粉尘浓度识别方法、存储介质及电子设备。
发明内容
本申请的目的在于克服现有技术中粉尘浓度测量成本高以及粉尘浓度较为分散的不足，提供一种成本低并且能够获取采场粉尘浓度分布的露天矿粉尘浓度识别方法、存储介质及电子设备。
本申请的技术方案提供一种露天矿粉尘浓度识别方法，包括如下步骤：
获取同一时间下不同角度的第一采场全貌图片和第二采场全貌图片；
将所述第一采场全貌图片和所述第二采场全貌图片与无粉尘图片集进行对比，分别确定所述第一采场全貌图片的第一粉尘浓度数据和所述第二采场全貌图中的第二粉尘浓度数据；
根据所述第一粉尘浓度数据和所述第二粉尘浓度数据确定采场真实粉尘浓度。
进一步地，所述根据所述第一粉尘浓度数据和所述第二粉尘浓度数据确定采场真实粉尘浓度，具体包括：
所述采场真实粉尘浓度
Figure BDA0003075595610000021
其中，X是所述第一粉尘浓度数据，Y是所述第二粉尘浓度数据。
进一步地，所述无粉尘图片集包括多张不同时间段下的采场全貌无粉尘图像；
所述将所述第一采场全貌图片和所述第二采场全貌图片与无粉尘图片集进行对比，具体包括：
根据所述第一采场全貌图片和所述第二采场全貌图片的拍摄时间，从所述无粉尘图片集中匹配对应时间段的采场全貌无粉尘图片作为目标对比图片；
将所述第一采场全貌图片和所述第二采场全貌图片与所述目标对比图片进行对比。
进一步地，所述将所述第一采场全貌图片和所述第二采场全貌图片与无粉尘图片集进行对比，分别确定所述第一采场全貌图片的第一粉尘浓度数据和所述第二采场全貌图中的第二粉尘浓度数据，具体包括：
将所述第一采场全貌图片、所述第二采场全貌图片和所述目标对比图片分别进行灰度处理；
分别将所述第一采场全貌图片和所述第二采场全貌图片进行边缘识别后，与所述目标对比图片进行对比，确定所述第一粉尘浓度数据和所述第二粉尘浓度数据。
进一步地，所述分别将所述第一采场全貌图片和所述第二采场全貌图片进行边缘识别后，与所述目标对比图片进行对比，确定所述第一粉尘浓度数据和所述第二粉尘浓度数据，具体包括：
分别将所述第一采场全貌图片和所述第二采场全貌图片进行边缘识别，划分所述第一采场全貌图片的第一疑似粉尘区域和所述第二采场全貌图片的第二疑似粉尘区域；
将所述第一采场全貌图片和所述第二采场全貌图片分别与所述目标对比图片进行对比，从所述第一疑似粉尘区域中划分出第一粉尘区域，从所述第二疑似粉尘区域中划分出第二粉尘区域；
根据采场面积和所述第一粉尘区域的灰度和面积确定第一粉尘浓度数据，根据采场面积和所述第二粉尘区域的灰度和面积确定第二粉尘浓度数据。
进一步地，所述将所述第一采场全貌图片和所述第二采场全貌图片与无粉尘图片集进行对比，分别确定所述第一采场全貌图片的第一粉尘浓度数据和所述第二采场全貌图中的第二粉尘浓度数据，还包括：
将所述第一采场全貌图片、所述第二采场全貌图片和所述目标对比图片进行离散化处理，按照地理位置划分为多个地理面积相同的离散区域；
分别将所述第一采场全貌图片和所述第二采场全貌图片的每个离散区域与所述目标对比图片对应的离散区域进行对比，确定所述第一采场全貌图片和所述第二采场全貌图片中每个离散区域内的粉尘浓度。
进一步地，所述根据所述第一粉尘浓度数据和所述第二粉尘浓度数据确定采场真实粉尘浓度，具体包括：
所述采场真实粉尘浓度包括每个离散区域内的真实粉尘浓度
Figure BDA0003075595610000031
其中，Xn是所述第一采场全貌图片中对应的离散区域内的粉尘浓度，Yn是所述第二采场全貌图片中对应的离散区域内的粉尘浓度。
进一步地，所述第一采场全貌图片通过安装在采场端帮中部的第一图像采集装置获取，所述第二采场全貌图片通过安装在采场底帮中部的第二图像采集装置获取。
本申请的技术方案还提供一种存储介质，所述存储介质存储计算机指令，当计算机执行所述计算机指令时，用于执行如前所述的露天矿粉尘浓度识别方法。
本申请的技术方案还提供一种电子设备，包括至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如前所述的露天矿粉尘浓度识别方法。
采用上述技术方案后，具有如下有益效果：
本申请的技术方案通过采集采场全貌图片，将采场全貌图片与无粉尘图片集进行对比确定粉尘浓度，采用图像处理的方式实现粉尘浓度测定，成本较低且能够获取整个采场的粉尘分布情况；
在同一时间采集不同角度的两张采场全貌图片，两张采场全貌图片分别通过图像处理的方式确定两个粉尘浓度数据，结合两个粉尘浓度数据得到采场真实粉尘浓度，使得真实粉尘浓度的准确度更高。
附图说明
参见附图，本申请的公开内容将变得更易理解。应当理解：这些附图仅仅用于说明的目的，而并非意在对本申请的保护范围构成限制。图中：
图1是本申请一实施例中露天矿粉尘浓度识别方法的流程图；
图2是本申请一实施例中采场中第一图像采集装置和第二图像采集装置的布置示意图；
图3是本申请一较佳实施例中露天矿粉尘浓度识别方法的流程图；
图4是本申请一实施例中电子设备的硬件结构示意图。
具体实施方式
下面结合附图来进一步说明本申请的具体实施方式。
容易理解，根据本申请的技术方案，在不变更本申请实质精神下，本领域的一般技术人员可相互替换的多种结构方式以及实现方式。因此，以下具体实施方式以及附图仅是对本申请的技术方案的示例性说明，而不应当视为本申请的全部或视为对申请技术方案的限定或限制。
在本说明书中提到或者可能提到的上、下、左、右、前、后、正面、背面、顶部、底部等方位用语是相对于各附图中所示的构造进行定义的，它们是相对的概念，因此有可能会根据其所处不同位置、不同使用状态而进行相应地变化。所以，也不应当将这些或者其他的方位用语解释为限制性用语。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本申请的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“连接”、“相连”应做广义理解，例如，可以是固定连接，也可以可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个组件内部的连通。对于本领域的普通技术人员而言，可以视具体情况理解上述属于在本申请中的具体含义。
本申请实施例中的露天矿粉尘浓度识别方法，如图1所示，包括如下步骤：
步骤S101：获取同一时间下不同角度的第一采场全貌图片和第二采场全貌图片；
步骤S102：将所述第一采场全貌图片和所述第二采场全貌图片与无粉尘图片集进行对比，分别确定所述第一采场全貌图片的第一粉尘浓度数据和所述第二采场全貌图中的第二粉尘浓度数据；
步骤S103：根据所述第一粉尘浓度数据和所述第二粉尘浓度数据确定采场真实粉尘浓度。
具体来说，第一采场全貌图片和第二采场全貌图片可以由布置在采场不同的位置的两台图像采集装置进行采集，两台图像采集装置可以由同一控制信号进行控制，保证二者能够同时进行图片采集。图2作为一个例子，示出了采场002中两台图像采集装置的安装位置，其中第一图像采集装置201安装在采场002端帮中部位置的上方，其用于采集所述第一采场全貌图片，第二图像采集装置202安装在采场002底帮中部位置的上方，其用于采集所述第二采场全貌图片。较佳地，第一图像采集装置201和第二图像采集装置202均采用数码相机，包括全画幅机身、广角摄像头、相机云台、三脚架和电池，全画幅机身带有数据传输模块，用于传输采集的第一采场全貌图片或第二采场全貌图片。
本申请实施例通过获取第一采场全貌图片和第二采场全貌图片，通过图像处理技术将第一采场全貌图片和第二采场全貌图片分别与无粉尘图片集对比，确定第一粉尘浓度数据和第二粉尘浓度数据两个粉尘浓度数据，再将两个粉尘浓度数据通过取均值等方式确定采场真实粉尘浓度。采用图像处理的方式获取粉尘浓度，设备成本较低，并且能够得到采场的粉尘分布情况。
作为一个例子，所述根据所述第一粉尘浓度数据和所述第二粉尘浓度数据确定采场真实粉尘浓度，具体包括：
所述采场真实粉尘浓度
Figure BDA0003075595610000061
其中，X是所述第一粉尘浓度数据，Y是所述第二粉尘浓度数据。
结合第一粉尘浓度数据和第二粉尘浓度数据计算出采场真实粉尘浓度，计算得到的真实粉尘浓度的数据准确度更高。
在其中一个实施例中，所述无粉尘图片集包括多张不同时间段下的采场全貌无粉尘图像；
所述将所述第一采场全貌图片和所述第二采场全貌图片与无粉尘图片集进行对比，具体包括：
根据所述第一采场全貌图片和所述第二采场全貌图片的拍摄时间，从所述无粉尘图片集中匹配对应时间段的采场全貌无粉尘图片作为目标对比图片；
将所述第一采场全貌图片和所述第二采场全貌图片与所述目标对比图片进行对比。
具体来说，无粉尘图片集在采场无粉尘时进行采集，按照时间段采集多张图片，可以是每半小时存储一张采场全貌无粉尘图片，对于采集的第一采场全貌图片和第二采场全貌图片，通过获取拍摄时间，将对应时间段的采场全貌无粉尘图片作为目标对比图片进行对比。
第一图像采集装置201和第二图像采集装置202保持在相同的时间，以相同的频率采集第一采场全貌图片和第二采场全貌图片，按照采集时间对第一采场全貌图片和第二采场全貌图片进行粉尘浓度识别，确定不同时间的采场真实粉尘浓度。
本申请实施例无粉尘图片集中根据不同时间段存有多张采场全貌无粉尘图片，在进行粉尘浓度识别时，能够匹配对应时间段的采场全貌无粉尘图片进行对比，提高粉尘浓度识别的准确度。
在其中一个实施例中，所述将所述第一采场全貌图片和所述第二采场全貌图片与无粉尘图片集进行对比，分别确定所述第一采场全貌图片的第一粉尘浓度数据和所述第二采场全貌图中的第二粉尘浓度数据，具体包括：
将所述第一采场全貌图片、所述第二采场全貌图片和所述目标对比图片分别进行灰度处理；
分别将所述第一采场全貌图片和所述第二采场全貌图片进行边缘识别后，与所述目标对比图片进行对比，确定所述第一粉尘浓度数据和所述第二粉尘浓度数据。
本申请实施例中，首先将第一采场全貌图片、第二采场全貌图片和目标对比图片分别进行灰度处理，生成三张灰度图片，使图片色调统一，提高后续边缘识别的准确性。
之后对灰度化的第一采场全貌图片和所述第二采场全貌图片进行边缘识别并与目标对比图片进行对比，能够确定图片中的粉尘区域，根据粉尘区域的面积确定第一粉尘浓度数据和第二粉尘浓度数据。
具体来说，所述分别将所述第一采场全貌图片和所述第二采场全貌图片进行边缘识别后，与所述目标对比图片进行对比，确定所述第一粉尘浓度数据和所述第二粉尘浓度数据，具体包括：
分别将所述第一采场全貌图片和所述第二采场全貌图片进行边缘识别，划分所述第一采场全貌图片的第一疑似粉尘区域和所述第二采场全貌图片的第二疑似粉尘区域；
将所述第一采场全貌图片和所述第二采场全貌图片分别与所述目标对比图片进行对比，从所述第一疑似粉尘区域中划分出第一粉尘区域，从所述第二疑似粉尘区域中划分出第二粉尘区域；
根据采场面积和所述第一粉尘区域的灰度和面积确定第一粉尘浓度数据，根据采场面积和所述第二粉尘区域的灰度和面积确定第二粉尘浓度数据。
以第一采场全貌图片的第一粉尘浓度数据的确定方法为例：将灰度化的第一采场全貌图片通过边缘识别划分出第一疑似粉尘区域，边缘识别具体为各向同性Sobel算子，包含两个方向的3阶矩阵，通过算子与灰度化的第一采场全貌图片做平面卷积得到横向与纵向的高度查封近似值，从而检测目标边缘，检测出的目标边缘圈出第一疑似粉尘区域。然后将灰度化的第一采场全貌图片与灰度化的目标对比图片进行对比，将第一疑似粉尘区域中与目标对比图片的灰度值相近的像素点从第一疑似粉尘区域中剔除，剩余区域则确定为第一粉尘区域。最后根据预设的粉尘浓度算法计算出第一粉尘浓度数据，作为一个例子，首先根据第一粉尘区域的面积和采场面积的比值计算出第一预估粉尘浓度，之后根据第一粉尘区域的灰度与目标对比图片中对应位置的灰度差，确定第一粉尘浓度数据，具体来说，第一粉尘区域的灰度与目标对比图片中对应位置的灰度差越大，第一粉尘浓度数据的值越大。
在其中一个实施例中，所述将所述第一采场全貌图片和所述第二采场全貌图片与无粉尘图片集进行对比，分别确定所述第一采场全貌图片的第一粉尘浓度数据和所述第二采场全貌图中的第二粉尘浓度数据，还包括：
将所述第一采场全貌图片、所述第二采场全貌图片和所述目标对比图片进行离散化处理，按照地理位置划分为多个地理面积相同的离散区域；
分别将所述第一采场全貌图片和所述第二采场全貌图片的每个离散区域与所述目标对比图片对应的离散区域进行对比，确定所述第一采场全貌图片和所述第二采场全貌图片中每个离散区域内的粉尘浓度。
本申请实施例中，将第一采场全貌图片、第二采场全貌图片和目标对比图片均进行离散化处理，将图片划分为多个离散区域，离散区域的划分根据地理位置进行划分，每个离散区域的地理面积相同。如图2所示，采场按照纵横方式划分为多个地理面积相同的离散区域，每个离散区域呈方形。并且，第一采场全貌图片、第二采场全貌图片和目标对比图片对离散区域的划分方式相同，三张图片的离散区域一一对应。
在确定第一粉尘浓度数据和第二粉尘浓度数据时，将第一采场全貌图片的每个离散区域与目标对比图片对应的离散区域进行对比，确定每个离散区域的粉尘浓度，即为第一粉尘浓度数据；将第二采场全貌图片的每个离散区域与目标对比图片对应的离散区域进行对比，确定每个离散区域的粉尘浓度，即为第二粉尘浓度数据。
对第一采场全貌图片和第二采场全貌图片中每个离散区域的粉尘浓度的识别方法，同样可以采用将图片进行灰度处理，对第一采场全貌图片和第二采场全貌图片的当前离散区域进行边缘识别，与所述目标对比图片对应的离散区域进行对比的方法确定。
进一步地，所述根据所述第一粉尘浓度数据和所述第二粉尘浓度数据确定采场真实粉尘浓度，具体包括：
所述采场真实粉尘浓度包括每个离散区域内的真实粉尘浓度
Figure BDA0003075595610000091
其中，Xn是所述第一采场全貌图片中对应的离散区域内的粉尘浓度，Yn是所述第二采场全貌图片中对应的离散区域内的粉尘浓度。
每个离散区域内的真实粉尘浓度由第一采场全貌图片和第二采场全貌图片中对应的离散区域的粉尘浓度进行计算得出，使得每个离散区域内粉尘浓度的数据更加准确。
本申请实施例在识别粉尘浓度时，将采场划分为多个离散区域，分别计算每个离散区域内的粉尘浓度，通过分区识别得到的粉尘浓度更加准确，并且分区的粉尘浓度能体现粉尘在采场中的分布情况，能够有针对性地进行粉尘抑制操作。
图3示出了本申请一较佳实施例中露天矿粉尘浓度识别方法，包括如下步骤：
步骤S301：获取同一时间下不同角度的第一采场全貌图片和第二采场全貌图片；
步骤S302：根据所述第一采场全貌图片和所述第二采场全貌图片的拍摄时间，从所述无粉尘图片集中匹配对应时间段的采场全貌无粉尘图片作为目标对比图片；
步骤S303：将所述第一采场全貌图片、所述第二采场全貌图片和所述目标对比图片分别进行灰度处理；
步骤S304：将所述第一采场全貌图片、所述第二采场全貌图片和所述目标对比图片进行离散化处理，按照地理位置划分为多个地理面积相同的离散区域；
步骤S305：分别将所述第一采场全貌图片和所述第二采场全貌图片的每个离散区域进行边缘识别，划分所述第一采场全貌图片中每个离散区域的第一疑似粉尘区域和所述第二采场全貌图片中每个离散区域的第二疑似粉尘区域；
步骤S306：将所述第一采场全貌图片和所述第二采场全貌图片每个离散区域分别与所述目标对比图片中对应的离散区域进行对比，从所述第一疑似粉尘区域中划分出第一粉尘区域，从所述第二疑似粉尘区域中划分出第二粉尘区域；
步骤S307：根据每个离散区域的面积和所述第一粉尘区域的灰度和面积确定第一采场全貌图片中对应的离散区域内的粉尘浓度，根据每个离散区域的面积和所述第二粉尘区域的灰度和面积确定第二采场全貌图片中对应的离散区域内的粉尘浓度；
步骤S308：根据所述第一采场全貌图片中对应的离散区域内的粉尘浓度和所述第二采场全貌图片中对应的离散区域内的粉尘浓度的确定每个离散区域内的真实粉尘浓度：
Figure BDA0003075595610000101
其中，Xn是所述第一采场全貌图片中对应的离散区域内的粉尘浓度，Yn是所述第二采场全貌图片中对应的离散区域内的粉尘浓度。
本申请的技术方案还提供一种存储介质，所述存储介质存储计算机指令，当计算机执行所述计算机指令时，用于执行前述任一实施例中的露天矿粉尘浓度识别方法。
图4示出了本申请的一种电子设备，包括：
至少一个处理器401；以及，
与所述至少一个处理器401通信连接的存储器402；其中，
所述存储器402存储有可被所述至少一个处理器401执行的指令，所述指令被所述至少一个处理器401执行，以使所述至少一个处理器401能够执行前述任一方法实施例中的露天矿粉尘浓度识别方法的所有步骤。
图4中以一个处理器402为例：
电子设备还可以包括：输入装置403和输出装置404。
处理器401、存储器402、输入装置403及显示装置404可以通过总线或者其他方式连接，图中以通过总线连接为例。
存储器402作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本申请实施例中的露天矿粉尘浓度识别方法对应的程序指令/模块，例如，图1或3所示的方法流程。处理器401通过运行存储在存储器402中的非易失性软件程序、指令以及模块，从而执行各种功能应用以及数据处理，即实现上述实施例中的露天矿粉尘浓度识别方法。
存储器402可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据露天矿粉尘浓度识别方法的使用所创建的数据等。此外，存储器402可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器402可选包括相对于处理器401远程设置的存储器，这些远程存储器可以通过网络连接至执行露天矿粉尘浓度识别方法的装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置403可接收输入的用户点击，以及产生与露天矿粉尘浓度识别方法的用户设置以及功能控制有关的信号输入。显示装置404可包括显示屏等显示设备。
在所述一个或者多个模块存储在所述存储器402中，当被所述一个或者多个处理器401运行时，执行上述任意方法实施例中的露天矿粉尘浓度识别方法。
以上所述的仅是本申请的原理和较佳的实施例。应当指出，对于本领域的普通技术人员来说，将分别公开在不同的实施例中的技术方案适当组合而得到的实施方式也包括在本发明的技术范围内，在本申请原理的基础上，还可以做出若干其它变型，也应视为本申请的保护范围。

Claims (10)

1.一种露天矿粉尘浓度识别方法，其特征在于，包括如下步骤：
获取同一时间下不同角度的第一采场全貌图片和第二采场全貌图片；
将所述第一采场全貌图片和所述第二采场全貌图片与无粉尘图片集进行对比，分别确定所述第一采场全貌图片的第一粉尘浓度数据和所述第二采场全貌图中的第二粉尘浓度数据；
根据所述第一粉尘浓度数据和所述第二粉尘浓度数据确定采场真实粉尘浓度。
2.根据权利要求1所述的露天矿粉尘浓度识别方法，其特征在于，所述根据所述第一粉尘浓度数据和所述第二粉尘浓度数据确定采场真实粉尘浓度，具体包括：
所述采场真实粉尘浓度
Figure FDA0003075595600000011
其中，X是所述第一粉尘浓度数据，Y是所述第二粉尘浓度数据。
3.根据权利要求1所述的露天矿粉尘浓度识别方法，其特征在于，所述无粉尘图片集包括多张不同时间段下的采场全貌无粉尘图像；
所述将所述第一采场全貌图片和所述第二采场全貌图片与无粉尘图片集进行对比，具体包括：
根据所述第一采场全貌图片和所述第二采场全貌图片的拍摄时间，从所述无粉尘图片集中匹配对应时间段的采场全貌无粉尘图片作为目标对比图片；
将所述第一采场全貌图片和所述第二采场全貌图片与所述目标对比图片进行对比。
4.根据权利要求3所述的露天矿粉尘浓度识别方法，其特征在于，所述将所述第一采场全貌图片和所述第二采场全貌图片与无粉尘图片集进行对比，分别确定所述第一采场全貌图片的第一粉尘浓度数据和所述第二采场全貌图中的第二粉尘浓度数据，具体包括：
将所述第一采场全貌图片、所述第二采场全貌图片和所述目标对比图片分别进行灰度处理；
分别将所述第一采场全貌图片和所述第二采场全貌图片进行边缘识别后，与所述目标对比图片进行对比，确定所述第一粉尘浓度数据和所述第二粉尘浓度数据。
5.根据权利要求4所述的露天矿粉尘浓度识别方法，其特征在于，所述分别将所述第一采场全貌图片和所述第二采场全貌图片进行边缘识别后，与所述目标对比图片进行对比，确定所述第一粉尘浓度数据和所述第二粉尘浓度数据，具体包括：
分别将所述第一采场全貌图片和所述第二采场全貌图片进行边缘识别，划分所述第一采场全貌图片的第一疑似粉尘区域和所述第二采场全貌图片的第二疑似粉尘区域；
将所述第一采场全貌图片和所述第二采场全貌图片分别与所述目标对比图片进行对比，从所述第一疑似粉尘区域中划分出第一粉尘区域，从所述第二疑似粉尘区域中划分出第二粉尘区域；
根据采场面积和所述第一粉尘区域的灰度和面积确定第一粉尘浓度数据，根据采场面积和所述第二粉尘区域的灰度和面积确定第二粉尘浓度数据。
6.根据权利要求4或5所述的露天矿粉尘浓度识别方法，其特征在于，所述将所述第一采场全貌图片和所述第二采场全貌图片与无粉尘图片集进行对比，分别确定所述第一采场全貌图片的第一粉尘浓度数据和所述第二采场全貌图中的第二粉尘浓度数据，还包括：
将所述第一采场全貌图片、所述第二采场全貌图片和所述目标对比图片进行离散化处理，按照地理位置划分为多个地理面积相同的离散区域；
分别将所述第一采场全貌图片和所述第二采场全貌图片的每个离散区域与所述目标对比图片对应的离散区域进行对比，确定所述第一采场全貌图片和所述第二采场全貌图片中每个离散区域内的粉尘浓度。
7.根据权利要求6所述的露天矿粉尘浓度识别方法，其特征在于，所述根据所述第一粉尘浓度数据和所述第二粉尘浓度数据确定采场真实粉尘浓度，具体包括：
所述采场真实粉尘浓度包括每个离散区域内的真实粉尘浓度
Figure FDA0003075595600000031
其中，Xn是所述第一采场全貌图片中对应的离散区域内的粉尘浓度，Yn是所述第二采场全貌图片中对应的离散区域内的粉尘浓度。
8.根据权利要求1-5任一项所述的露天矿粉尘浓度识别方法，其特征在于，所述第一采场全貌图片通过安装在采场端帮中部的第一图像采集装置获取，所述第二采场全貌图片通过安装在采场底帮中部的第二图像采集装置获取。
9.一种存储介质，其特征在于，所述存储介质存储计算机指令，当计算机执行所述计算机指令时，用于执行如权利要求1-8任一项所述的露天矿粉尘浓度识别方法。
10.一种电子设备，其特征在于，包括至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1-8任一项所述的露天矿粉尘浓度识别方法。
CN202110551491.9A 2021-05-20 2021-05-20 露天矿粉尘浓度识别方法、存储介质及电子设备 Pending CN113160225A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110551491.9A CN113160225A (zh) 2021-05-20 2021-05-20 露天矿粉尘浓度识别方法、存储介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110551491.9A CN113160225A (zh) 2021-05-20 2021-05-20 露天矿粉尘浓度识别方法、存储介质及电子设备

Publications (1)

Publication Number Publication Date
CN113160225A true CN113160225A (zh) 2021-07-23

Family

ID=76876759

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110551491.9A Pending CN113160225A (zh) 2021-05-20 2021-05-20 露天矿粉尘浓度识别方法、存储介质及电子设备

Country Status (1)

Country Link
CN (1) CN113160225A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116087220A (zh) * 2022-11-05 2023-05-09 北京市永康药业有限公司 一种制药车间的除尘分析方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108956400A (zh) * 2018-07-20 2018-12-07 润电能源科学技术有限公司 一种基于图像识别的煤粉浓度测量方法及装置
CN109024417A (zh) * 2018-07-24 2018-12-18 长安大学 一种智能道路清扫车及其道路污染物识别方法和控制方法
CN110718137A (zh) * 2018-07-13 2020-01-21 广州极飞科技有限公司 目标物密度分布地图的构建方法及装置、终端、移动装置
CN111551474A (zh) * 2020-05-31 2020-08-18 天津大学 港口扬尘颗粒物浓度空间分布实测方法
WO2020199291A1 (zh) * 2019-04-04 2020-10-08 山东大学 一种全自动岩石标本图像采集装置及方法
KR102233402B1 (ko) * 2019-12-05 2021-03-29 주식회사 딥비전스 미세먼지 농도 추정 방법 및 이를 수행하기 위한 장치

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110718137A (zh) * 2018-07-13 2020-01-21 广州极飞科技有限公司 目标物密度分布地图的构建方法及装置、终端、移动装置
CN108956400A (zh) * 2018-07-20 2018-12-07 润电能源科学技术有限公司 一种基于图像识别的煤粉浓度测量方法及装置
CN109024417A (zh) * 2018-07-24 2018-12-18 长安大学 一种智能道路清扫车及其道路污染物识别方法和控制方法
WO2020199291A1 (zh) * 2019-04-04 2020-10-08 山东大学 一种全自动岩石标本图像采集装置及方法
KR102233402B1 (ko) * 2019-12-05 2021-03-29 주식회사 딥비전스 미세먼지 농도 추정 방법 및 이를 수행하기 위한 장치
CN111551474A (zh) * 2020-05-31 2020-08-18 天津大学 港口扬尘颗粒物浓度空间分布实测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
任艳君 等: "基于机器视觉的烟尘在线监测的研究", 《西南大学学报（自然科学版）》, vol. 30, no. 9, pages 1 - 7 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116087220A (zh) * 2022-11-05 2023-05-09 北京市永康药业有限公司 一种制药车间的除尘分析方法及系统

Similar Documents

Publication Publication Date Title
US11024052B2 (en) Stereo camera and height acquisition method thereof and height acquisition system
WO2018098738A1 (zh) 一种基于航空航天多源遥感数据的监测方法及装置
US10817747B2 (en) Homography through satellite image matching
CN109916415B (zh) 道路类型确定方法、装置、设备及存储介质
CN111046121A (zh) 环境监控方法、装置和系统
CN112254637A (zh) 一种基于多种融合数据的隧道开挖面扫描装置及检测方法
WO2016119107A1 (zh) 一种噪音地图绘制方法及装置
US20220044027A1 (en) Photography system
CN110740315B (zh) 摄像头矫正方法、装置、电子设备及存储介质
CN113160225A (zh) 露天矿粉尘浓度识别方法、存储介质及电子设备
CN113344906B (zh) 车路协同中相机评估方法、装置、路侧设备和云控平台
CN110692085B (zh) 用于摄像机设备的控制装置、摄像机组件和用于立体地拍摄监测区域的方法
CN110929565A (zh) 基于机器学习的风险监控方法、装置、存储介质及电子设备
CN116778094B (zh) 一种基于优选视角拍摄的建筑物变形监测方法及装置
CN110836706B (zh) 一种液位检测方法及装置
CN109460077B (zh) 一种自动跟踪方法、自动跟踪设备及自动跟踪系统
CN115493657A (zh) 一种基于无人机的大气污染溯源方法和装置
US20220028054A1 (en) Photo-realistic infrastructure inspection
CN111259702A (zh) 一种用户兴趣的估计方法及装置
CN114943809A (zh) 一种地图模型的生成方法、装置及存储介质
KR20060042462A (ko) 지아이에스를 이용한 건축 구조물 정보 수집 및 관리 시스템
KR101329564B1 (ko) 스마트 디바이스를 이용한 시설물 정보 입력 장치 및 방법과 이를 실행하기 위한 프로그램이 기록된 기록매체
US11481996B2 (en) Calculation device, information processing method, and storage medium
CN104346805B (zh) 一种位置标定方法及电子设备
RU213389U1 (ru) Сканер для получения панорамных снимков и трехмерных моделей окружающего пространства

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