CN113188975A - 基于图像处理技术的岩体裂隙及飞石运动分析系统及方法 - Google Patents
基于图像处理技术的岩体裂隙及飞石运动分析系统及方法 Download PDFInfo
- Publication number
- CN113188975A CN113188975A CN202110495648.0A CN202110495648A CN113188975A CN 113188975 A CN113188975 A CN 113188975A CN 202110495648 A CN202110495648 A CN 202110495648A CN 113188975 A CN113188975 A CN 113188975A
- Authority
- CN
- China
- Prior art keywords
- image
- data
- fracture
- gray
- rock
- 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.)
- Granted
Links
- 239000011435 rock Substances 0.000 title claims abstract description 141
- 238000012545 processing Methods 0.000 title claims abstract description 82
- 238000000034 method Methods 0.000 title claims abstract description 61
- 230000033001 locomotion Effects 0.000 title claims abstract description 56
- 238000004458 analytical method Methods 0.000 title claims abstract description 28
- 238000005516 engineering process Methods 0.000 title claims abstract description 27
- 206010017076 Fracture Diseases 0.000 claims abstract description 105
- 208000010392 Bone Fractures Diseases 0.000 claims abstract description 98
- 239000004575 stone Substances 0.000 claims abstract description 54
- 238000006243 chemical reaction Methods 0.000 claims abstract description 29
- 238000011161 development Methods 0.000 claims abstract description 29
- 238000012544 monitoring process Methods 0.000 claims abstract description 23
- 238000012806 monitoring device Methods 0.000 claims abstract description 22
- 230000009471 action Effects 0.000 claims abstract description 5
- 230000018109 developmental process Effects 0.000 claims description 28
- 238000001514 detection method Methods 0.000 claims description 21
- 230000005540 biological transmission Effects 0.000 claims description 20
- 230000006378 damage Effects 0.000 claims description 12
- 238000005381 potential energy Methods 0.000 claims description 12
- 239000000126 substance Substances 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 11
- 238000012935 Averaging Methods 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 230000007797 corrosion Effects 0.000 claims description 6
- 238000005260 corrosion Methods 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 6
- 230000001133 acceleration Effects 0.000 claims description 3
- 230000010339 dilation Effects 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 230000003628 erosive effect Effects 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 abstract description 13
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 7
- 230000005855 radiation Effects 0.000 description 7
- 238000002591 computed tomography Methods 0.000 description 3
- 230000005670 electromagnetic radiation Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000035784 germination Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000007431 microscopic evaluation Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000021715 photosynthesis, light harvesting Effects 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/08—Investigating permeability, pore-volume, or surface area of porous materials
- G01N15/088—Investigating volume, surface area, size or distribution of pores; Porosimetry
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based 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
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- 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
- G06T2207/20036—Morphological image processing
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30241—Trajectory
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Biochemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Dispersion Chemistry (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于图像处理技术的岩体裂隙及飞石运动分析系统，包括裂隙及周边环境监测装置、计算机处理系统和数据反应系统，周边环境监测装置连接计算机处理系统，计算机处理系统连接数据反应系统；裂隙及周边环境监测装置用于监测，并将监测数据发送到计算机处理系统中；计算机处理系统进行数据处理，获得岩体裂隙发育规律，以及岩体裂隙发育完全发生破碎后飞石运动规律，并发送到数据反应系统；数据反应系统产生预警动作。本发明还公开了一种基于图像处理技术的岩体裂隙及飞石运动分析系统的方法。本发明从而在裂隙发育未完全，有岩爆、地表塌陷等事故危险情况下，能够准确高效地预警，有利于保障仪器设备、人员安全，促进工程建设的顺利正常进行。
Description
技术领域
本发明属于岩土工程领域，具体涉及一种基于图像处理技术的岩体裂隙及飞石运动分析系统及方法。
背景技术
近年来，随着建筑工程、水利水电工程、地下工程等国家基础设施的不断发展，产生了大量的边坡、隧道、矿山工程项目；众多深部开采的金属矿山、大型水利工程的建设都涉及到岩土领域的安全问题，开展建设项目时，常出现岩体垮塌、滑坡、飞石等地质事故，对安全生产及社会效益造成了巨大的不利影响。自然界中存在的岩石，具有较多的天然损伤，是一种典型的非连续介质，岩体内结构相当复杂，体现在晶面、空隙、片理、层理、节理、断层等非连续性形式。在工程建设过程中，岩体接受多种异向载荷作用，内部的微裂隙开始发育，起裂、扩展、贯通，最后发生破坏，例如山体滑坡、地层涌水、突泥、顶板垮塌、瓦斯突出等，都与岩体裂隙发育有着直接关系。当进行深部开采时，岩体具有非常高的构造应力，甚至会发生突发式岩体破坏，即岩爆。当岩层发生岩爆现象时，伴随产生的巨大声波及气浪，将破碎的岩块抛出，可能造成飞石伤人事故，同时砸坏机器设备。因此，监测岩体工程项目中岩石裂纹萌发、扩展及破坏具有重大的应用意义。
为监测在工程开发、资源开采过程中岩体裂隙发育岩体破坏后产生的飞石运动规律，减少岩体地质破坏事故，国内外开展了诸多研究：常见的岩体微细观分析方法有断口形貌扫描仪、热红外辐射、声发射、电磁辐射法、CT扫描等。断口形貌扫描仪利用各种显微镜如光学显微镜、扫描电子显微镜，将其应用于岩石断面、裂纹扩展分析，清华大学、中国矿业大学与日本岛津制作社研发的SEM加载试验系统，可实现在各种温度、载荷下对试样表面的损伤演化情况；热红外辐射利用岩石破裂时产生的红外辐射，研究其能量耗散过程中辐射的各种波段的遥感前兆；电磁辐射法主要利用压电效应，对岩体破裂失稳过程中电磁辐射产生机理、特征、规律以及传播特性进行分析，常用于突出、冲击地亚事故的预报中；声发射是常用的岩石损伤分析技术，其利用岩石受载时，岩体内部微裂纹产生、扩展以及裂纹面间的摩擦产生的次声波、声波、超声波，进而分析声波的振幅和频率等参数，反映出岩石裂纹的数量、大小、位置等；CT扫描技术采用X射线对岩石进行断面扫描，根据扫描分辨单元，结合三维重构法，可以判断与重现出岩体内部结构图像，从而无损地检测出岩石内部裂隙变化情况。上述技术可在一定程度可反映和解决岩石裂纹发育规律问题，但仍有待进一步的研究发展，例如断口形貌扫描仪、电测辐射法、CT扫描等技术多应用于实验室研究，对于工程建设现场岩体检测缺乏指导性，同时对岩石破碎后产生飞石运动规律的研究较少；声发射及热红外辐射对仪器要求高，在较为复杂地下空间或环境条件使用时精度往往不高，在实际监测时也非常依赖操作者对仪器的操控能力及熟练程度。
现有技术中的岩体裂隙发育及破碎飞石运动规律分析方法如：
CN111879858A公开了一种基于声发射震源主频唯一性的岩石破坏预测方法，包括标准岩石试件的制备，声发射震源定位，声发射震源类型辨识，不同类型震源对应的声发射主频的计算与岩石破坏预测方法。本发明解决了目前基于声发射主频特征的岩石破坏预测方法，存在声发射主频带宽，声发射主频特征不显著的缺陷。
CN111767631A公开了一种基于多相数字岩心模拟岩石裂纹扩展的方法及系统，包括获取岩心样本的三维灰度图像；根据多个灰度阈值范围对三维灰度图像中每个像素点进行分类、编号，得到每个编号对应的像素点集合；根据编号对应的像素点集合建立初始数字岩心数据库；初始数字岩心数据库包括每个像素点对应的像素点编号和像素点位置；根据初始数字岩心数据库，采用近场动力学模型进行岩心裂纹扩展模拟，建立破裂后的数字岩心数据库；对破裂后的数字岩心数据库进行可视化，得到岩心裂纹扩展过程的模拟结果。
上述现有技术中的岩体裂隙发育及飞石运动规律分析方法在一定程度上均可以对岩体裂隙产生、扩展和贯通进行分析或预测，但其还存在一定局限性，例如方法主体主要面向岩体破坏过程的数值模拟分析，以及实验室分析，缺乏现场监测的实用性，且实验过程较为繁琐，对仪器精度有极大的依赖性。
发明内容
本发明的目的之一在于提供一种基于图像处理技术的岩体裂隙及飞石运动分析系统，该系统通过对岩体裂隙面进行实时的监测，并采用图像处理技术技术对岩石裂隙及飞石运动的检测数据进行准确分析和处理。
本发明的目的之二在于提供一种基于图像处理技术的岩体裂隙及飞石运动分析系统的方法。
本发明提供的这种基于图像处理技术的岩体裂隙及飞石运动分析系统，包括裂隙及周边环境监测装置1、第一数据传输线9、计算机处理系统11和数据反应系统13，裂隙及周边环境监测装置1通过第一数据传输线9连接计算机处理系统11，计算机处理系统11连接数据反应系统13；裂隙及周边环境监测装置1用于监测岩体裂隙与周围环境，并将监测数据发送到计算机处理系统11中；计算机处理系统11用于对裂隙及周边环境监测装置1输出的数据进行处理，获得岩体裂隙发育规律，以及岩体裂隙发育完全发生破碎后飞石运动规律，并将数据发送到数据反应系统13；数据反应系统13用于对计算机处理系统11处理后的数据产生动作。
所述的裂隙及周围环境监测装置1包括摄像头2和第一信号接收装置7，摄像头2连接第一信号接收装置7，第一信号接收装置7连接计算机处理系统11；摄像头2对外部的岩体裂隙面3、第一岩体裂隙4、第二岩体裂隙5和破碎飞石6进行实时的图像监测，将得到的图像数据通过第一信号接收装置7和第一数据传输线9传输到计算机处理系统11。
所述的计算机处理系统11包括计算机12，计算机12分别连接第一数据传输线9和数据反应系统13，计算机12通过图像处理技术，对裂隙及周围环境监测装置1输入的图像数据进行处理，并将处理后的参数输出到数据反应系统13。
所述的数据反应系统13包括操作台14、数据显示台15、第二信号接收装置8、第二数据传输线10和报警装置17；数据显示台15用于接收计算机12输出的数据并显示，同时当输出数据超过设定阈值之后，采用操作台14将控制信号通过第二数据传输线10传输到第二信号接收装置8，从而控制报警装置17进行紧急报警。
本发明还提供了一种基于图像处理技术的岩体裂隙及飞石运动分析系统的方法，包括如下步骤：
S1.通过摄像头2采集原色图，采集内容为岩体裂隙面3岩体裂隙发育，以及裂隙发育完全后岩体发生破坏产生的破碎飞石6的运动状态数据；
S2.将采集到的原色图转换成灰度图，并生成灰度值；
S3.对步骤S2中转换成的灰度图，进行二值化处理；
S4.定义结构元素，对步骤S3二值化处理后的灰度图像进行图像开运算去噪；
S5.对图像中的裂隙边界进行检测，绘制裂隙轮廓，并将得到的裂隙轮廓大小表示为裂隙的大小，将得到的裂隙轮廓数量表示为裂隙的数量；通过飞石运动规律分析方法处理飞石运动状态数据；
S6.对步骤S5中裂隙的数量及大小和飞石运动进行评价，并将其与设定阈值标准进行对比，将对比数据输出至数据反应系统13，并进行报警。
步骤S2，具体包括将采集到的原色图进行加权平均灰度化：
Gray＝0.2989*R+0.5870*G+0.1140*B
其中，R代表图像红色通道的像素值；G代表绿色通道的像素值；B代表蓝色通道的像素值，Gray为图像经灰度化后像素点的灰度值。
步骤S3具体为采用局部阈值的大津阈值分割算法，对灰度化处理后的图像进行二值化处理；假设灰度化图像像素数为N，灰度范围为[0,k-1]，灰度级i的像素数为ni，灰度级i出现的概率pi为：
根据灰度图灰度阈值T，将图像像素分为A、B两部分，A的像素阈值范围为：[0,t]，同时B的像素阈值范围为[t+1,k-1]，根据像素灰度分布概率，求得：
像素区域A的灰度均值为：
像素区域B的灰度均值为：
其中，
A的像素阈值范围为：[0,t]，同时B的像素阈值范围为[t+1,k-1]，pi为灰度级i出现的概率；N为灰度化图像像素数，灰度范围为[0,k-1]；
已知，灰度图像的灰度均值uT、像素区域A的灰度均值uA和像素区域B的灰度均值uB，可得灰度图像的灰度均值uT：
uT＝ω0uA+ω1uB
其中，
A的像素阈值范围为：[0,t]，同时B的像素阈值范围为[t+1,k-1]，pi为灰度级i出现的概率；N为灰度化图像像素数，灰度范围为[0,k-1]；
像素区域A和B的方差为：
σ2＝ω0(uA-uT)2+ω1(uB-uT)2
其中，
A的像素阈值范围为：[0,t]，同时B的像素阈值范围为[t+1,k-1]，pi为灰度级i出现的概率；N为灰度化图像像素数，灰度范围为[0,k-1]；uT为灰度图像的灰度均值；uA为像素区域A的灰度均值；uB为像素区域B的灰度均值；
按照最大类间方差，灰度阈值T在[0,k-1]范围中依次取值，当阈值T取值使σ2取得最大值时，则阈值T即为算法的最佳阈值。
步骤S4，采用的开运算去噪具体体现为对灰度图像二值化后，先腐蚀，再膨胀的运算方法；
假设待处理的二值化图像像素集合为I，结构元素为P：
P对I的腐蚀运算具体定义为：
其中，Θ为腐蚀算子，x∈I
P对I的膨胀运算定义为：
其中，
为膨胀算子；
结构元素集合P在二值化处理后的灰度图的集合I内进行平移并集，开运算具体定义为：
其中，Θ为腐蚀算子，
为膨胀算子；
具体表现为对S4输出的图像，以从左到右、从上到下的顺序，进行像素值扫描，若扫描到像素值为255时，对目标轮廓进行检测框绘制，并针对检测框对角线方向，只保留检测方向的终点坐标，并对检测框进行数量标定；否则继续扫描；
将实际裂隙面积大小设为：
Y1＝k1X1+b1
其中，k1和b1为常数；Y1为裂隙实际面积大小；X1为图像中裂隙面积大小；实际裂隙及飞石面积大小方程的确定方法为：在实际情况下，对裂隙绘制轮廓，测算轮廓面积大小；将实际测算的裂隙轮廓面积大小与在图像上得出的面积数据进行多次拟合，得出k1，b1值，最后取平均值，得出对应方程；
将飞石面积大小方程设为：
Y'1＝k'1X'1+b'1
其中，k’1和b’1为常数；Y’1为飞石实际面积大小；X’1为图像中飞石面积大小；实际飞石面积大小方程的确定方法为：在实际情况下，对飞石绘制轮廓，测算轮廓面积大小；将实际测算的飞石轮廓面积大小与在图像上得出的面积数据进行多次拟合，得出k’1，b’1值，最后取平均值，得出对应方程；
将实际裂隙密度大小方程设为：
Y2＝k2X2+b2
其中，k2和b2为常数；Y2为裂隙实际密度大小；X2为图像中裂隙密度大小；实际裂隙密度大小方程的确定方法为：在实际情况下，对裂隙绘制轮廓，测算轮廓面积大小，在摄像头检测范围内，除以裂隙面面积，将实际裂隙密度与在图像上得出的数据进行多次拟合，得出k2，b2值，最后取平均值，得出密度确定方程；
将飞石密度大小方程设为：
Y'2＝k'2X'2+b'2
其中，k’2和b’2为常数；Y’2为飞石实际密度大小；X2为图像中飞石密度大小；实际飞石密度大小方程的确定方法为：在实际情况下，对飞石绘制轮廓，测算轮廓面积大小，在摄像头检测范围内，除以飞石分布空间体积，将实际的飞石密度与在图像上得出的数据进行多次拟合，得出k’2，b’2值，最后取平均值，得出密度确定方程。
步骤S5中，飞石运动规律分析方法，包括：飞石的体积和质量分析、飞石的初始动能和势能分析；
其中，V为飞石体积；Y1为裂隙或飞石实际面积大小；ρ为岩石已知密度；
监测图像中飞石初速度
Δx代表图像中最初两帧时间差内，飞石运动坐标方向上的位移之差；t代表图像两帧的时间差；
实际飞石速度大小方程设为：
Y3＝k3X3+b3
其中，k3和b3为常数；Y3为飞石实际速度大小，X3为监测图像中飞石初速度v；该方程的确定方法为：在实际情况下，图像采集帧间时间差中，测得飞石运动实际距离，从而得出对应实际速度，采集若干组数据，将采集到的若干组数据与在图像上得出的数据进行若干次拟合，得出k3，b3值，最后取平均值，得出飞石实际速度确定方程；
已知监测岩体的高度h，动能、势能参数具体表现为：
Ep为飞石的初始动能、Ek为飞石的初始势能，M代表飞石的质量，g代表重力加速度。
本发明提供的这种基于图像处理技术的岩体裂隙及飞石运动分析系统及方法，通过裂隙检测装置对岩体裂隙面进行实时的监测，将监测数据以图像数据的形式传输给高性能计算机，计算机利用图像处理技术，对图像进行灰度化处理、二值化、去噪、轮廓扫描、检测框绘制等，得到裂隙的数量、大小参数，以及裂隙发育完全后产生破碎飞石数量、大小、密度的基本参数，初速度、初始动能、势能等宏观层面上的运动学参数。将得到的参数与设定阈值标准进行比较，从而在裂隙发育未完全，有岩爆、地表塌陷等事故危险情况下，起到一定的预警作用，有利于保障仪器设备、人员安全，促进工程建设的顺利正常进行。
附图说明
图1为本发明系统的结构示意图。
图2为本发明实施例的结构示意图。
图3为本发明方法的流程示意图。
图4为本发明实施例的观测结果示意图。
图5为本发明实施例的OpenCV处理示意图。
图6为本发明实施例的飞石数量和大小示意图。
图7为本发明实施例的标记图片示意图。
具体实施方式
如图1为本发明系统的结构示意图；本发明提供的这种基于图像处理技术的岩体裂隙及飞石运动分析系统，包括裂隙及周边环境监测装置1、第一数据传输线9、计算机处理系统11和数据反应系统13，裂隙及周边环境监测装置1通过第一数据传输线9连接计算机处理系统11，计算机处理系统11连接数据反应系统13；裂隙及周边环境监测装置1用于监测岩体裂隙与周围环境，并将监测数据发送到计算机处理系统11中；计算机处理系统11用于对裂隙及周边环境监测装置1输出的数据进行处理，获得岩体裂隙发育规律，以及岩体裂隙发育完全发生破碎后飞石运动规律，并将数据发送到数据反应系统13；数据反应系统13用于对计算机处理系统11处理后的数据产生动作。
如图2为本发明实施例的结构示意图；如图2所示1为裂隙及周围环境监测装置；2为摄像头(在本实施例中为高速运动摄像头)；3为岩体裂隙面；4为第一岩体裂隙；5为第二岩体裂隙；6为破碎飞石；7为第一信号接收装置；8为第二信号接收装置；9为第一数据传输线；10为第二数据传输线；11为计算机处理系统；12为计算机；13为数据反应系统；14为操作台；15为数据显示台；16为地平面；17为报警装置。
裂隙及周围环境监测装置1包括摄像头2和第一信号接收装置7，摄像头2连接第一信号接收装置7，第一信号接收装置7连接计算机处理系统11；摄像头2能够自由转向，对外部的岩体裂隙面3、第一岩体裂隙4、第二岩体裂隙5和破碎飞石6进行实时的图像监测，以每秒为单位时间间隔，将得到的图像数据通过第一信号接收装置7和第一数据传输线9传输到计算机处理系统11；计算机处理系统11包括计算机12，计算机12分别连接第一数据传输线9和数据反应系统13，计算机12通过图像处理技术，对裂隙及周围环境监测装置1输入的图像数据进行处理，并将处理后的参数输出到数据反应系统13；数据反应系统13包括操作台14、数据显示台15、第二数据传输线10、第二信号接收装置8和报警装置17；数据显示台15用于接收计算机12输出的数据并显示，同时当输出数据超过设定阈值之后，采用操作台14将控制信号通过第二数据传输线10传输到第二信号接收装置8，从而控制报警装置17进行紧急报警。在本实施例中，警铃工作，同时进行灯光和钟鸣警示，指导安全撤离工作。
如图3为本发明方法的流程示意图：本发明提供的这种基于图像处理技术的岩体裂隙及飞石运动分析系统的方法，包括如下步骤：
S1.通过摄像头2采集原色图，采集内容为岩体裂隙面3岩体裂隙发育，以及可能产生的，裂隙发育完全后岩体发生破坏产生的破碎飞石6的运动状态数据；
S2.将采集到的原色图转换成灰度图，并生成灰度值；
S3.对步骤S2中对原图进行灰度化处理后的灰度图，进行二值化处理，将整个图像呈现出明显的黑白效果，达到凸显出目标的轮廓的效果；
S4.定义结构元素，对步骤S3二值化处理后的灰度图像进行图像开运算去噪；
S5.对图像中的裂隙边界进行检测，绘制裂隙轮廓，并将得到的裂隙轮廓大小表示为裂隙的大小，将得到的裂隙轮廓数量表示为裂隙的数量；通过飞石运动规律分析方法处理飞石运动状态数据；
当裂隙发育完全，岩体发生破碎时，对图像中产生的飞石边界进行检测，同时绘制飞石轮廓，轮廓数量表示为飞石数量；建立线性方程，裂隙和飞石的轮廓大小与实际对应目标的面积关系，同时，利用飞石数量及所得图像面积，通过建立另一线性方程解算得出图像密度与实际浓度之间的联系。通过飞石运动轨迹得到飞石运动初速度、动能、势能等运动学参数。
S6.对步骤S5中裂隙的数量及大小进行评价，并将其与设定阈值标准进行对比，将对比数据输出至数据反应系统13，若任一指标超出设定阈值，则进行报警，若裂隙的发育状态和飞石运动状态均在在设定阈值内，则继续监测，直到裂隙变大或飞石过多等情况。
步骤S2具体包括将采集到的原色图进行加权平均灰度化：
Gray＝0.2989*R+0.5870*G+0.1140*B
其中，R代表图像红色通道的像素值；G代表绿色通道的像素值；B代表蓝色通道的像素值，Gray为图像经灰度化后像素点的灰度值。
步骤S3具体为采用局部阈值的大津阈值分割算法，对灰度化处理后的图像进行二值化处理；假设灰度化图像像素数为N，灰度范围为[0,k-1]，灰度级i的像素数为ni，灰度级i出现的概率pi为：
根据灰度图灰度阈值T，将图像像素分为A、B两部分，A的像素阈值范围为：[0,t]，同时B的像素阈值范围为[t+1,k-1]，根据像素灰度分布概率，得到：
像素区域A的灰度均值为：
像素区域B的灰度均值为
其中，
A的像素阈值范围为：[0,t]，同时B的像素阈值范围为[t+1,k-1]，pi为灰度级i出现的概率；N为灰度化图像像素数，灰度范围为[0,k-1]；
已知，灰度图像的灰度均值uT、像素区域A的灰度均值uA和像素区域B的灰度均值uB，可得灰度图像的灰度均值uT为：
uT＝ω0uA+ω1uB
其中，
A的像素阈值范围为：[0,t]，同时B的像素阈值范围为[t+1,k-1]，pi为灰度级i出现的概率；N为灰度化图像像素数，灰度范围为[0,k-1]；
像素区域A和B的方差为：
σ2＝ω0(uA-uT)2+ω1(uB-uT)2
其中，
A的像素阈值范围为：[0,t]，同时B的像素阈值范围为[t+1,k-1]，pi为灰度级i出现的概率；N为灰度化图像像素数，灰度范围为[0,k-1]；uT为灰度图像的灰度均值；uA为像素区域A的灰度均值；uB为像素区域B的灰度均值。
按照最大类间方差，灰度阈值T在[0,k-1]范围中依次取值，当阈值T取值使σ2取得最大值时，则阈值T即为算法的最佳阈值。
步骤S4，采用的开运算去噪具体体现为对灰度图像二值化后，先腐蚀，再膨胀的运算方法；
假设待处理的二值化图像像素集合为I，结构元素为P：
P对I的腐蚀运算具体定义为：
其中，Θ为腐蚀算子，x∈I
P对I的膨胀运算定义为：
其中，
为膨胀算子。
结构元素集合P在二值化处理后的灰度图的集合I内进行平移并集，开运算具体定义为：
其中，Θ为腐蚀算子，
为膨胀算子；
具体表现为对S4输出的图像，以从左到右、从上到下的顺序，进行像素值扫描，若扫描到像素值为255时，对目标轮廓进行检测框绘制，并针对检测框对角线方向，只保留检测方向的终点坐标，并对检测框进行数量标定；否则继续扫描。
将实际裂隙面积大小设为：
Y1＝k1X1+b1
其中，k1和b1为常数；Y1为裂隙实际面积大小；X1为图像中裂隙面积大小；实际裂隙及飞石面积大小方程的确定方法为：在实际情况下，对裂隙绘制轮廓，测算轮廓面积大小；将实际测算的裂隙轮廓面积大小与在图像上得出的面积数据进行多次拟合，得出k1，b1值，最后取平均值，得出对应方程；
将飞石面积大小方程设为：
Y'1＝k'1X'1+b'1
其中，k’1和b’1为常数；Y’1为飞石实际面积大小；X’1为图像中飞石面积大小；实际飞石面积大小方程的确定方法为：在实际情况下，对飞石绘制轮廓，测算轮廓面积大小；将实际测算的飞石轮廓面积大小与在图像上得出的面积数据进行多次拟合，得出k’1，b’1值，最后取平均值，得出对应方程；
将实际裂隙密度大小方程设为：
Y2＝k2X2+b2
其中，k2和b2为常数；Y2为裂隙实际密度大小；X2为图像中裂隙密度大小；实际裂隙密度大小方程的确定方法为：在实际情况下，对裂隙绘制轮廓，测算轮廓面积大小，在摄像头检测范围内，除以裂隙面面积，将实际裂隙密度与在图像上得出的数据进行多次拟合，得出k2，b2值，最后取平均值，得出密度确定方程。
将飞石密度大小方程设为：
Y'2＝k'2X'2+b'2
其中，k’2和b’2为常数；Y’2为飞石实际密度大小；X2为图像中飞石密度大小；实际飞石密度大小方程的确定方法为：在实际情况下，对飞石绘制轮廓，测算轮廓面积大小，在摄像头检测范围内，除以飞石分布空间体积，将实际的飞石密度与在图像上得出的数据进行多次拟合，得出k’2，b’2值，最后取平均值，得出密度确定方程。
步骤S5中，飞石运动规律分析方法，包括：飞石的体积和质量分析；飞石的初始动能和势能分析。
其中，V为飞石体积；Y1为裂隙或飞石实际面积大小；ρ为岩石已知密度；
监测图像中飞石初速度v：
Δx代表图像中最初两帧时间差内，飞石运动坐标方向上的位移之差；t代表图像两帧的时间差，在本实施例中为1/12s。
实际飞石速度大小方程设为：
Y3＝k3X3+b3
其中，k3和b3为常数；Y3为飞石实际速度大小，X3为监测图像中飞石初速度v。该方程的确定方法为：在实际情况下，图像采集帧间时间差中，测得飞石运动实际距离，从而得出对应实际速度，采集多组数据，将其与在图像上得出的数据进行多次拟合，得出k3，b3值，最后取平均值，得出飞石实际速度确定方程。
已知监测岩体的高度h，动能、势能参数具体表现为：
Ep为飞石的初始动能、Ek为飞石的初始势能，M代表飞石的质量，g代表重力加速度，在本实施例中为9.80m/s2。
在具体实施方式中，以某铁路隧道作为试验基地。该隧道是由某单位承建的国外铁路隧道项目，共发生过约3000次岩爆崩落事故，最严重的一次崩落长度甚至达24米，崩落方量约为1500m3，频繁、难以预料的岩爆事故不仅严重影响工程建设正常进度(影响工期长达3个月以上)，大大增加了施工成本，还带来了巨大的人员、设备的安全风险。鉴于此，在该隧道3号在建隧道段进行本次岩体裂隙发育及飞石运动规律监测分析。试验步骤如下：
步骤1、准备硬件设施，包括高速运动摄像机2、信号接收装置7，8、高性能计算机12、数据显示台15、报警装置17。
步骤2、高速运动摄像头2输入采集到的原色图，采集内容为裂隙面3岩体裂隙发育，以及可能产生的，裂隙发育完全后岩体发生破坏产生的飞石6运动；
步骤3、将采集到的原色图转换成灰度图，并生成灰度值；
步骤4、在步骤3中对原图进行灰度化处理后，进行二值化处理，将整个图像呈现出明显的黑白效果，达到凸显出目标的轮廓的效果；
步骤5、定义结构元素，对步骤4二值化处理后的灰度图像进行图像开运算去噪；
步骤6、对图像中的裂隙边界进行检测，绘制裂隙轮廓，并将得到的裂隙轮廓大小表示为裂隙大小，将得到的裂隙轮廓数量表示为岩体裂隙的数量；
当裂隙发育完全，岩体发生破碎时，对图像中产生的飞石边界进行检测，同时绘制飞石轮廓，轮廓数量表示为飞石数量；建立线性方程，裂隙和飞石的轮廓大小与实际对应目标的面积关系，同时，利用飞石数量及所得图像面积，通过建立另一线性方程解算得出图像密度与实际浓度之间的联系。通过飞石运动轨迹得到飞石运动初速度、动能、势能等运动学参数。
步骤7、对步骤6中裂隙发育数量及大小和飞石运动情况进行评价，并将其与设定阈值标准进行对比，根据对比结果将数据输出至数据反应系统13中的数据显示台15。
步骤8、当裂隙面裂隙发育的数量、大小任一参数超出设定阈值时，报警装置17发生动作，进行实时紧急报警，班组长立即要求所有施工人员撤离施工现场。
对该隧道3号建设段运用本方法监测裂隙面裂隙发育情况，观测结果如图4所示，如图4为本发明实施例的观测结果示意图；经计算机通过OpenCV计算对图4进行处理后，结果如图5为本发明实施例的OpenCV处理示意图。当图5中裂隙数量或大小超出设定的阈值标准时，进行报警，并有序撤离了施工人员，短时间后，隧道发生岩体崩落，如图6为本发明实施例的飞石数量和大小示意图。，经计算机处理后，输出图6崩落的飞石进行数量、大小。并可在后期进行飞石密度和动力学规律的详细分析。
如图7为本发明实施例的标记图片示意图，从图5、图7可知，在该隧道3号建设段运用一种基于图像处理技术的岩体裂隙发育及飞石运动规律分析方法，计算机成功对岩体裂隙面进行裂隙、破碎飞石的实时监测，并通过OpenCV技术，显现出了裂隙、飞石的数量及其标记，同时在图片上记录了相应的大小和出现的坐标。该裂隙及飞石监测过程符合工作岩体实际情况。
Claims (9)
1.一种基于图像处理技术的岩体裂隙及飞石运动分析系统，其特征在于包括裂隙及周边环境监测装置1、第一数据传输线9、计算机处理系统11和数据反应系统13，裂隙及周边环境监测装置1通过第一数据传输线9连接计算机处理系统11，计算机处理系统11连接数据反应系统13；裂隙及周边环境监测装置1用于监测岩体裂隙与周围环境，并将监测数据发送到计算机处理系统11中；计算机处理系统11用于对裂隙及周边环境监测装置1输出的数据进行处理，获得岩体裂隙发育规律，以及岩体裂隙发育完全发生破碎后飞石运动规律，并将数据发送到数据反应系统13；数据反应系统13用于对计算机处理系统11处理后的数据产生动作。
2.根据权利要求1所述的基于图像处理技术的岩体裂隙及飞石运动分析系统，其特征在于所述的裂隙及周围环境监测装置1包括摄像头2和第一信号接收装置7，摄像头2连接第一信号接收装置7，第一信号接收装置7连接计算机处理系统11；摄像头2对外部的岩体裂隙面3、第一岩体裂隙4、第二岩体裂隙5和破碎飞石6进行实时的图像监测，将得到的图像数据通过第一信号接收装置7和第一数据传输线9传输到计算机处理系统11。
3.根据权利要求1所述的基于图像处理技术的岩体裂隙及飞石运动分析系统，其特征在于所述的计算机处理系统11包括计算机12，计算机12分别连接第一数据传输线9和数据反应系统13，计算机12通过图像处理技术，对裂隙及周围环境监测装置1输入的图像数据进行处理，并将处理后的参数输出到数据反应系统13。
4.根据权利要求1所述的基于图像处理技术的岩体裂隙及飞石运动分析系统，其特征在于所述的数据反应系统13包括操作台14、数据显示台15、第二信号接收装置8、第二数据传输线10和报警装置17；数据显示台15用于接收计算机12输出的数据并显示，同时当输出数据超过设定阈值之后，采用操作台14将控制信号通过第二数据传输线10传输到第二信号接收装置8，从而控制报警装置17进行紧急报警。
5.一种权利要求1～4之一所述的基于图像处理技术的岩体裂隙及飞石运动分析系统的方法，其特征在于包括如下步骤：
S1.通过摄像头2采集原色图，采集内容为岩体裂隙面3岩体裂隙发育，以及裂隙发育完全后岩体发生破坏产生的破碎飞石6的运动状态数据；
S2.将采集到的原色图转换成灰度图，并生成灰度值；
S3.对步骤S2中转换成的灰度图，进行二值化处理；
S4.定义结构元素，对步骤S3二值化处理后的灰度图像进行图像开运算去噪；
S5.对图像中的裂隙边界进行检测，绘制裂隙轮廓，并将得到的裂隙轮廓大小表示为裂隙的大小，将得到的裂隙轮廓数量表示为裂隙的数量；通过飞石运动规律分析方法处理飞石运动状态数据；
S6.对步骤S5中裂隙的数量及大小和飞石运动进行评价，并将其与设定阈值标准进行对比，将对比数据输出至数据反应系统13，并进行报警。
6.根据权利要求5所述的方法，其特征在于步骤S2，具体包括将采集到的原色图进行加权平均灰度化：
Gray＝0.2989*R+0.5870*G+0.1140*B
其中，R代表图像红色通道的像素值；G代表绿色通道的像素值；B代表蓝色通道的像素值，Gray为图像经灰度化后像素点的灰度值。
7.根据权利要求6所述的方法，其特征在于步骤S3具体为采用局部阈值的大津阈值分割算法，对灰度化处理后的图像进行二值化处理；假设灰度化图像像素数为N，灰度范围为[0,k-1]，灰度级i的像素数为ni，灰度级i出现的概率pi为：
根据灰度图灰度阈值T，将图像像素分为A、B两部分，A的像素阈值范围为：[0,t]，同时B的像素阈值范围为[t+1,k-1]，根据像素灰度分布概率，求得：
像素区域A的灰度均值为：
像素区域B的灰度均值为：
其中，
A的像素阈值范围为：[0,t]，同时B的像素阈值范围为[t+1,k-1]，pi为灰度级i出现的概率；N为灰度化图像像素数，灰度范围为[0,k-1]；
已知，灰度图像的灰度均值uT、像素区域A的灰度均值uA和像素区域B的灰度均值uB，可得灰度图像的灰度均值uT：
uT＝ω0uA+ω1uB
其中，
A的像素阈值范围为：[0,t]，同时B的像素阈值范围为[t+1,k-1]，pi为灰度级i出现的概率；N为灰度化图像像素数，灰度范围为[0,k-1]；
像素区域A和B的方差为：
σ2＝ω0(uA-uT)2+ω1(uB-uT)2
其中，
A的像素阈值范围为：[0,t]，同时B的像素阈值范围为[t+1,k-1]，pi为灰度级i出现的概率；N为灰度化图像像素数，灰度范围为[0,k-1]；uT为灰度图像的灰度均值；uA为像素区域A的灰度均值；uB为像素区域B的灰度均值；
按照最大类间方差，灰度阈值T在[0,k-1]范围中依次取值，当阈值T取值使σ2取得最大值时，则阈值T即为算法的最佳阈值。
8.根据权利要求7所述的方法，其特征在于步骤S4，采用的开运算去噪具体体现为对灰度图像二值化后，先腐蚀，再膨胀的运算方法；
假设待处理的二值化图像像素集合为I，结构元素为P：
P对I的腐蚀运算具体定义为：
其中，Θ为腐蚀算子，x∈I
P对I的膨胀运算定义为：
其中，
为膨胀算子；
结构元素集合P在二值化处理后的灰度图的集合I内进行平移并集，开运算具体定义为：
其中，Θ为腐蚀算子，
为膨胀算子；
具体表现为对S4输出的图像，以从左到右、从上到下的顺序，进行像素值扫描，若扫描到像素值为255时，对目标轮廓进行检测框绘制，并针对检测框对角线方向，只保留检测方向的终点坐标，并对检测框进行数量标定；否则继续扫描；
将实际裂隙面积大小设为：
Y1＝k1X1+b1
其中，k1和b1为常数；Y1为裂隙实际面积大小；X1为图像中裂隙面积大小；实际裂隙及飞石面积大小方程的确定方法为：在实际情况下，对裂隙绘制轮廓，测算轮廓面积大小；将实际测算的裂隙轮廓面积大小与在图像上得出的面积数据进行多次拟合，得出k1，b1值，最后取平均值，得出对应方程；
将飞石面积大小方程设为：
Y'1＝k'1X'1+b'1
其中，k’1和b’1为常数；Y’1为飞石实际面积大小；X’1为图像中飞石面积大小；实际飞石面积大小方程的确定方法为：在实际情况下，对飞石绘制轮廓，测算轮廓面积大小；将实际测算的飞石轮廓面积大小与在图像上得出的面积数据进行多次拟合，得出k’1，b’1值，最后取平均值，得出对应方程；
将实际裂隙密度大小方程设为：
Y2＝k2X2+b2
其中，k2和b2为常数；Y2为裂隙实际密度大小；X2为图像中裂隙密度大小；实际裂隙密度大小方程的确定方法为：在实际情况下，对裂隙绘制轮廓，测算轮廓面积大小，在摄像头检测范围内，除以裂隙面面积，将实际裂隙密度与在图像上得出的数据进行多次拟合，得出k2，b2值，最后取平均值，得出密度确定方程；
将飞石密度大小方程设为：
Y'2＝k'2X'2+b'2
其中，k’2和b’2为常数；Y’2为飞石实际密度大小；X2为图像中飞石密度大小；实际飞石密度大小方程的确定方法为：在实际情况下，对飞石绘制轮廓，测算轮廓面积大小，在摄像头检测范围内，除以飞石分布空间体积，将实际的飞石密度与在图像上得出的数据进行多次拟合，得出k’2，b’2值，最后取平均值，得出密度确定方程。
9.根据权利要求8所述的方法，其特征在于步骤S5中，飞石运动规律分析方法，包括：飞石的体积和质量分析、飞石的初始动能和势能分析；
其中，V为飞石体积；Y1为裂隙或飞石实际面积大小；ρ为岩石已知密度；
监测图像中飞石初速度v：
Δx代表图像中最初两帧时间差内，飞石运动坐标方向上的位移之差；t代表图像两帧的时间差；
实际飞石速度大小方程设为：
Y3＝k3X3+b3
其中，k3和b3为常数；Y3为飞石实际速度大小，X3为监测图像中飞石初速度v；该方程的确定方法为：在实际情况下，图像采集帧间时间差中，测得飞石运动实际距离，从而得出对应实际速度，采集若干组数据，将采集到的若干组数据与在图像上得出的数据进行若干次拟合，得出k3，b3值，最后取平均值，得出飞石实际速度确定方程；
已知监测岩体的高度h，动能、势能参数具体表现为：
Ep为飞石的初始动能、Ek为飞石的初始势能，M代表飞石的质量，g代表重力加速度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110495648.0A CN113188975B (zh) | 2021-05-07 | 2021-05-07 | 基于图像处理技术的岩体裂隙及飞石运动分析系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110495648.0A CN113188975B (zh) | 2021-05-07 | 2021-05-07 | 基于图像处理技术的岩体裂隙及飞石运动分析系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113188975A true CN113188975A (zh) | 2021-07-30 |
| CN113188975B CN113188975B (zh) | 2022-07-15 |
Family
ID=76984010
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110495648.0A Active CN113188975B (zh) | 2021-05-07 | 2021-05-07 | 基于图像处理技术的岩体裂隙及飞石运动分析系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113188975B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113592823A (zh) * | 2021-08-02 | 2021-11-02 | 中南大学 | 一种岩层孔隙率分布计算方法 |
| CN113838011A (zh) * | 2021-09-13 | 2021-12-24 | 中南大学 | 基于数字图像颜色梯度的岩石块度和/或分布规律获取方法、系统、终端及可读存储介质 |
| CN114252509A (zh) * | 2021-12-17 | 2022-03-29 | 成都理工大学 | 一种基于声发射信号的三段式锁固型滑坡前兆识别方法 |
| CN117557742A (zh) * | 2024-01-12 | 2024-02-13 | 武汉大学 | 基于数字图像与机器学习的3d岩石储层建模方法 |
Citations (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001108494A (ja) * | 1999-10-12 | 2001-04-20 | Japan Radio Co Ltd | 落石監視システム |
| CN1619340A (zh) * | 2004-11-19 | 2005-05-25 | 中国矿业大学 | 煤岩动力灾害实时监测预报装置及预报方法 |
| WO2010060001A1 (en) * | 2008-11-24 | 2010-05-27 | Ingrain, Inc. | Method for determining properties of fractured rock formations using computer tomograpic images thereof |
| CN104034733A (zh) * | 2014-07-02 | 2014-09-10 | 中国人民解放军国防科学技术大学 | 基于双目视觉监测与表面裂纹图像识别的寿命预测方法 |
| CN104992428A (zh) * | 2015-04-23 | 2015-10-21 | 北京宇航时代科技发展有限公司 | 一种基于k均值聚类分析的图像落石体积测定方法 |
| CN105336119A (zh) * | 2015-11-27 | 2016-02-17 | 中国地质调查局水文地质环境地质调查中心 | 一种崩塌体裂缝识别报警装置及其识别方法 |
| CN105788179A (zh) * | 2016-03-23 | 2016-07-20 | 重庆交通大学 | 一种智能化危岩崩塌落石灾害监测系统及方法 |
| CN106225805A (zh) * | 2016-07-08 | 2016-12-14 | 上海大学 | 一种测量滚石运动参数的边坡模型实验装置 |
| CN107066774A (zh) * | 2017-06-22 | 2017-08-18 | 武汉市陆刻科技有限公司 | 倾斜摄影测量预测滚石运动轨迹模拟系统及其预测方法 |
| CN107289828A (zh) * | 2017-08-23 | 2017-10-24 | 葛洲坝易普力新疆爆破工程有限公司 | 一种露天矿爆破效果评价方法 |
| JP2018004389A (ja) * | 2016-06-30 | 2018-01-11 | 鹿島建設株式会社 | 亀裂解析方法及び亀裂解析システム |
| CN108596497A (zh) * | 2018-04-26 | 2018-09-28 | 成都理工大学 | 一种喀斯特地区崩塌最大运动距离计算方法及其应用 |
| CN108709844A (zh) * | 2018-05-18 | 2018-10-26 | 重庆交通大学 | 一种岩体裂隙监测系统及监测方法 |
| CN108763650A (zh) * | 2018-04-28 | 2018-11-06 | 湘潭大学 | 一种覆岩采动裂隙网络模型构建方法 |
| CN109946296A (zh) * | 2019-03-01 | 2019-06-28 | 威海华菱光电股份有限公司 | 裂缝变化监测装置及裂缝变化监测方法 |
| CN110009606A (zh) * | 2019-03-22 | 2019-07-12 | 北京航空航天大学 | 一种基于图像识别的裂纹扩展动态监测方法及装置 |
| CN110838117A (zh) * | 2019-11-14 | 2020-02-25 | 中国科学院武汉岩土力学研究所 | 一种基于孔壁图像的岩石面孔隙度识别方法 |
| CN111784059A (zh) * | 2020-07-06 | 2020-10-16 | 贵州工程应用技术学院 | 一种煤层宏观裂隙优势发育方位预测方法 |
| CN111879610A (zh) * | 2020-07-10 | 2020-11-03 | 武汉大学 | 一种掘进过程中岩渣力学参数实时测量系统及测量方法 |
| CN112258643A (zh) * | 2020-09-16 | 2021-01-22 | 中国人民解放军陆军工程大学 | 岩土边坡任意形状落石运动轨迹三维分析方法 |
| CN112307803A (zh) * | 2019-07-25 | 2021-02-02 | 中国石油天然气股份有限公司 | 数字地质露头裂缝提取方法及装置 |
| CN112419250A (zh) * | 2020-11-13 | 2021-02-26 | 湖北工业大学 | 路面裂缝数字图像提取、裂缝修补及裂缝参数计算方法 |
| CN112560587A (zh) * | 2020-11-27 | 2021-03-26 | 贵州中建建筑科研设计院有限公司 | 一种卷积神经网络边坡裂缝变化的动态预警方法及系统 |
-
2021
- 2021-05-07 CN CN202110495648.0A patent/CN113188975B/zh active Active
Patent Citations (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001108494A (ja) * | 1999-10-12 | 2001-04-20 | Japan Radio Co Ltd | 落石監視システム |
| CN1619340A (zh) * | 2004-11-19 | 2005-05-25 | 中国矿业大学 | 煤岩动力灾害实时监测预报装置及预报方法 |
| WO2010060001A1 (en) * | 2008-11-24 | 2010-05-27 | Ingrain, Inc. | Method for determining properties of fractured rock formations using computer tomograpic images thereof |
| CN104034733A (zh) * | 2014-07-02 | 2014-09-10 | 中国人民解放军国防科学技术大学 | 基于双目视觉监测与表面裂纹图像识别的寿命预测方法 |
| CN104992428A (zh) * | 2015-04-23 | 2015-10-21 | 北京宇航时代科技发展有限公司 | 一种基于k均值聚类分析的图像落石体积测定方法 |
| CN105336119A (zh) * | 2015-11-27 | 2016-02-17 | 中国地质调查局水文地质环境地质调查中心 | 一种崩塌体裂缝识别报警装置及其识别方法 |
| CN105788179A (zh) * | 2016-03-23 | 2016-07-20 | 重庆交通大学 | 一种智能化危岩崩塌落石灾害监测系统及方法 |
| JP2018004389A (ja) * | 2016-06-30 | 2018-01-11 | 鹿島建設株式会社 | 亀裂解析方法及び亀裂解析システム |
| CN106225805A (zh) * | 2016-07-08 | 2016-12-14 | 上海大学 | 一种测量滚石运动参数的边坡模型实验装置 |
| CN107066774A (zh) * | 2017-06-22 | 2017-08-18 | 武汉市陆刻科技有限公司 | 倾斜摄影测量预测滚石运动轨迹模拟系统及其预测方法 |
| CN107289828A (zh) * | 2017-08-23 | 2017-10-24 | 葛洲坝易普力新疆爆破工程有限公司 | 一种露天矿爆破效果评价方法 |
| CN108596497A (zh) * | 2018-04-26 | 2018-09-28 | 成都理工大学 | 一种喀斯特地区崩塌最大运动距离计算方法及其应用 |
| CN108763650A (zh) * | 2018-04-28 | 2018-11-06 | 湘潭大学 | 一种覆岩采动裂隙网络模型构建方法 |
| CN108709844A (zh) * | 2018-05-18 | 2018-10-26 | 重庆交通大学 | 一种岩体裂隙监测系统及监测方法 |
| CN109946296A (zh) * | 2019-03-01 | 2019-06-28 | 威海华菱光电股份有限公司 | 裂缝变化监测装置及裂缝变化监测方法 |
| CN110009606A (zh) * | 2019-03-22 | 2019-07-12 | 北京航空航天大学 | 一种基于图像识别的裂纹扩展动态监测方法及装置 |
| CN112307803A (zh) * | 2019-07-25 | 2021-02-02 | 中国石油天然气股份有限公司 | 数字地质露头裂缝提取方法及装置 |
| CN110838117A (zh) * | 2019-11-14 | 2020-02-25 | 中国科学院武汉岩土力学研究所 | 一种基于孔壁图像的岩石面孔隙度识别方法 |
| CN111784059A (zh) * | 2020-07-06 | 2020-10-16 | 贵州工程应用技术学院 | 一种煤层宏观裂隙优势发育方位预测方法 |
| CN111879610A (zh) * | 2020-07-10 | 2020-11-03 | 武汉大学 | 一种掘进过程中岩渣力学参数实时测量系统及测量方法 |
| CN112258643A (zh) * | 2020-09-16 | 2021-01-22 | 中国人民解放军陆军工程大学 | 岩土边坡任意形状落石运动轨迹三维分析方法 |
| CN112419250A (zh) * | 2020-11-13 | 2021-02-26 | 湖北工业大学 | 路面裂缝数字图像提取、裂缝修补及裂缝参数计算方法 |
| CN112560587A (zh) * | 2020-11-27 | 2021-03-26 | 贵州中建建筑科研设计院有限公司 | 一种卷积神经网络边坡裂缝变化的动态预警方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 冷挺等: "干湿循环条件下重塑膨胀土的裂隙发育特征及量化研究", 《工程地质学报》 * |
| 宋震: "基于数字图像处理技术的岩石孔隙参数提取方法研究", 《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113592823A (zh) * | 2021-08-02 | 2021-11-02 | 中南大学 | 一种岩层孔隙率分布计算方法 |
| CN113592823B (zh) * | 2021-08-02 | 2023-09-19 | 中南大学 | 一种岩层孔隙率分布计算方法 |
| CN113838011A (zh) * | 2021-09-13 | 2021-12-24 | 中南大学 | 基于数字图像颜色梯度的岩石块度和/或分布规律获取方法、系统、终端及可读存储介质 |
| CN114252509A (zh) * | 2021-12-17 | 2022-03-29 | 成都理工大学 | 一种基于声发射信号的三段式锁固型滑坡前兆识别方法 |
| CN117557742A (zh) * | 2024-01-12 | 2024-02-13 | 武汉大学 | 基于数字图像与机器学习的3d岩石储层建模方法 |
| CN117557742B (zh) * | 2024-01-12 | 2024-03-22 | 武汉大学 | 基于数字图像与机器学习的3d岩石储层建模方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113188975B (zh) | 2022-07-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113188975B (zh) | 基于图像处理技术的岩体裂隙及飞石运动分析系统及方法 | |
| US11634987B2 (en) | Safety early warning method and device for full-section tunneling of tunnel featuring dynamic water and weak surrounding rock | |
| Ju et al. | Laboratory in situ CT observation of the evolution of 3D fracture networks in coal subjected to confining pressures and axial compressive loads: a novel approach | |
| Ghabraie et al. | Application of 3D laser scanner, optical transducers and digital image processing techniques in physical modelling of mining-related strata movement | |
| Wu et al. | Mechanical properties and fracture characteristics of pre-holed rocks subjected to uniaxial loading: A comparative analysis of five hole shapes | |
| CN108318584B (zh) | 单孔声波联合跨孔ct检测桩身质量和倾斜度的方法 | |
| CN102798412B (zh) | 一种基于三维激光扫描评定隧道钻爆施工质量的方法 | |
| CN110174463B (zh) | 一种工作面三向采动应力场的无损定量测试方法 | |
| CN110987765B (zh) | 一种基于三维数字散斑的岩体细观裂隙测试方法 | |
| Yu et al. | 3D observations of fracturing in rock-backfill composite specimens under triaxial loading | |
| CN113090274B (zh) | 基于大数据的自动巡航盾构超前地质预报系统及工作方法 | |
| CN112541665A (zh) | 一种基于多源信息融合的边坡稳定性精细化评价方法 | |
| CN104134074A (zh) | 一种基于激光扫描的煤岩识别方法 | |
| Ai et al. | Experimental and numerical study on the fracture characteristics of concrete under uniaxial compression | |
| CN105043868B (zh) | 一种基于ct快速成像的负载敏感岩芯加载方法 | |
| Wang et al. | Dynamic analysis of granite rockburst based on the PIV technique | |
| Fekete et al. | Geotechnical applications of Lidar scanning in tunnelling | |
| CN108120389A (zh) | 基于三维激光点云的封闭曲面变形检测方法 | |
| Obara et al. | Estimation of rock strength by means of rock stress measurement | |
| Gong et al. | Geomechanical model tests and infrared detection of rock responses for tunnels excavated in sedimentary rocks | |
| Liu et al. | Extraction and imaging of indicator elements for non-destructive, in-situ, fast identification of adverse geology in tunnels | |
| CN114611835B (zh) | 一种坚硬顶板矿井冲击地压灾害危险性预测分析方法 | |
| CN117591838B (zh) | 溶洞区域地铁暗挖隧道减震爆破用安全预警系统及方法 | |
| CN118050824A (zh) | 一种隧道岩爆监测方法 | |
| Wang et al. | Automatic detection and characterization of discontinuity traces and rock fragment size distribution using a digital image processing method |
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 |