CN113298939A - 露天矿山边坡岩体结构面抗剪强度分级确定系统及方法 - Google Patents

露天矿山边坡岩体结构面抗剪强度分级确定系统及方法 Download PDF

Info

Publication number
CN113298939A
CN113298939A CN202110378991.7A CN202110378991A CN113298939A CN 113298939 A CN113298939 A CN 113298939A CN 202110378991 A CN202110378991 A CN 202110378991A CN 113298939 A CN113298939 A CN 113298939A
Authority
CN
China
Prior art keywords
image
slope
data
information
mine
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
CN202110378991.7A
Other languages
English (en)
Inventor
张标
成浩
王维波
贺建清
尹志政
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.)
Hunan University of Science and Technology
Original Assignee
Hunan University of Science and Technology
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 Hunan University of Science and Technology filed Critical Hunan University of Science and Technology
Priority to CN202110378991.7A priority Critical patent/CN113298939A/zh
Publication of CN113298939A publication Critical patent/CN113298939A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/05—Geographic models
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
    • G01N3/24—Investigating strength properties of solid materials by application of mechanical stress by applying steady shearing forces
    • 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
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • 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
    • G06T7/13—Edge detection
    • 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
    • G06T2207/20172—Image enhancement details
    • G06T2207/20192—Edge enhancement; Edge preservation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Health & Medical Sciences (AREA)
  • Remote Sensing (AREA)
  • Quality & Reliability (AREA)
  • Computer Graphics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明属于岩体分级技术领域，公开了一种露天矿山边坡岩体结构面抗剪强度分级确定系统及方法，所述露天矿山边坡岩体结构面抗剪强度分级确定系统包括：边坡信息获取模块、实时信息获取模块、信息汇总模块、信息分析模块、中央控制模块、边坡图像采集模块、图像分析模块、边坡模型构建模块、矿山分级模块、抗剪强度测试模块。本发明根据矿山信息进行矿山分级以及矿山图像的采集分析，得到矿山三维模型；依据不同级别潜在滑移面上法向应力分布规律，确定结构面粘聚力与内摩擦角，提高露天矿山边坡潜在滑移面精细化取值的可靠性；根据获取的矿山边坡实时信息，构建的矿山三维模型误差小，得到的露天矿山边坡岩体结构面抗剪强度测试结构更加准确。

Description

露天矿山边坡岩体结构面抗剪强度分级确定系统及方法
技术领域
本发明属于岩体分级技术领域，尤其涉及一种露天矿山边坡岩体结构面抗剪强度分级确定系统及方法。
背景技术
目前，岩质边坡稳定性问题是岩石力学与工程地质学的一个重要研究课题，也是工程实践中迫切要求解决的问题。随着矿业的发展和露天开采深度的加大，露天矿山边坡的稳定性已成为直接关系到矿山安全生产与发展的重大问题。矿山边坡的稳定性受岩体结构面控制，岩体结构面的力学特性决定了矿山边坡发生潜在破坏的可能性，其中结构面抗剪强度研究是岩体稳定性分析的重要内容。许多学者认为结构面直剪试验是确定岩体结构面抗剪强度参数最直接有效的方法。特别是对于有一定重要性的岩土工程，在资金、技术条件允许的范围内，采用直剪试验方法确定结构面抗剪强度至关重要。
目前，人们大量采用Mohr-Coulomb线性准则描述岩体的强度，但对于天然粗糙节理面，剪切强度的增长率随正应力的逐渐增加、凸起部分逐渐被剪切和扩张角的减小而减小，从而导致其剪切强度与正应力呈非线性关系。因此，Mohr-Coulomb准则对岩体强度的描述有一定局限性。目前，最小二乘回归拟合获得抗剪强度参数的方法(等效线性拟合法)是一种常用的通过JRC-JCS模型获取结构面抗剪强度参数的方法。由于不同法向荷载条件下，结构面的抗剪强度参数随之发生变化。因此，只有在对作用在潜在滑移面上的真实法向受荷状态准确分析的前提下，才能准确确定潜在滑移面上的抗剪强度参数。截止目前，人们在使用最小二乘回归拟合获得抗剪强度参数的方法获取结构面抗剪强度参数时，并没有对结构面上真实作用的法向应力条件进行分析，获得的结构面抗剪强度参数可能与真实受力条件下结构面抗剪强度参数存在较大的差异。
通过上述分析，现有技术存在的问题及缺陷为：最小二乘回归拟合获得抗剪强度参数的方法通过JRC-JCS模型获取结构面抗剪强度参数，并没有对结构面上真实作用的法向应力条件进行分析，获得的结构面抗剪强度参数可能与真实受力条件下结构面抗剪强度参数存在较大的差异。
发明内容
针对现有技术存在的问题，本发明提供了一种露天矿山边坡岩体结构面抗剪强度分级确定系统及方法。
本发明是这样实现的，一种露天矿山边坡岩体结构面抗剪强度分级确定系统，所述露天矿山边坡岩体结构面抗剪强度分级确定系统包括：
边坡信息获取模块，与中央控制模块连接，用于通过边坡信息获取数据库中存储的边坡信息，得到边坡历史信息；所述边坡历史信息包括矿山边坡所在区域地形图、矿山边坡所在区域地质分布、矿山边坡几何形态数据、矿山边坡开采信息；其中，所述通过边坡信息获取数据库中存储的边坡信息，得到边坡历史信息，包括：
由移动节点构成一个网络，网络中一个数据ID定义一种类型的数据，网络中能够提供同一种类型数据的移动节点构建成一个k-anycast组，所述k-anycast组由定义所述种类型数据的数据ID唯一标识，一个k-anycast组里的移动节点称为骨干节点；
在一个包含X个骨干节点且能提供数据C的k-anycast组中，其中，X≥2，骨干节点Bx由唯一网络前缀Mx标识，k-anycast组由网络前缀集合G定义，如下式：
Figure BDA0003012291850000021
其中，X≥x≥1；
骨干节点或者移动节点的地址包括两个部分：i比特的网络前缀和j比特的节点ID；网络前缀包括k比特的数据ID和(i-k)比特的骨干ID，节点ID包括k比特的数据ID和(j-k)比特的内部ID，i，j和k为小于64的正整数；
骨干节点B启动后，创建一个临时地址，所述临时地址的网络前缀为i比特的随机数，节点ID为j比特的随机数；骨干节点Bx广播一个地址创建消息，消息源地址为临时地址，负载为一个随机数和数据ID c；骨干节点Bx等待一定时间，在接收到同一个k-anycast组里的其他X-1个骨干节点广播的地址创建消息后，判断骨干节点By1和骨干节点By2的优先级，其中，y1≠y2；
骨干节点Bx将同一个k-anycast组中的X个骨干节点按照优先级递增排序，如果骨干节点Bx的优先级在X骨干节点中的排序值为p，X≥p≥1，骨干节点Bx则将自己的骨干ID设置为px，同时构建一个地址，所述地址的网络前缀中的数据ID为c，节点ID为零，同时根据公式
Figure BDA0003012291850000031
构建网络前缀集合G；
网络前缀为y的骨干节点根据公式
Figure BDA0003012291850000032
Figure BDA0003012291850000033
获取内部ID空间[L(y),U(y)]，X≥y≥1；
实时信息获取模块，与中央控制模块连接，用于通过探测器进行边坡实时信息的获取，得到边坡实时信息；所述边坡实时信息中包含矿山边坡的开采信息；
信息汇总模块，与中央控制模块连接，用于通过信息汇总程序将边坡历史信息以及边坡实时信息进行汇总，得到边坡汇总信息，包括：
(1)获取数据并将数据分类存入相应的数据文件中；
(2)依据数据汇总需求生成至少一个数据汇总任务，其中每个数据汇总任务包括用于唯一标识所述任务的ID和用于描述所述任务将执行的操作以及操作后得到的结果的执行命令；
(3)依据数据汇总任务之间的依赖关系执行每一个数据汇总任务，根据遍历数据文件得到的数据执行所述数据汇总任务对应的操作；
(4)在执行所述数据汇总任务结束后释放分配的内存；
信息分析模块，与中央控制模块连接，用于通过信息分析程序对边坡汇总信息进行分析，得到信息分析结果；所述信息分析结果中包括矿山边坡开采信息中的变动信息；
中央控制模块，与边坡信息获取模块、实时信息获取模块、信息汇总模块、信息分析模块连接，用于通过主控机对各连接模块的运行进行控制，保证各个模块正常运行；
边坡图像采集模块，与中央控制模块连接，用于通过无人机搭载摄像机进行矿山边坡不同角度的图像的采集，得到矿山边坡图像；
图像分析模块，与中央控制模块连接，用于通过图像分析程序对采集的矿山边坡图像进行分析，得到图像分析结果，包括：进行采集的矿山边坡图像的去噪，对去噪后的图像进行增强，以及进行增强后的图像的分析；
边坡模型构建模块，与中央控制模块连接，用于通过边坡模型构建程序依据获取的边坡汇总信息、信息分析结果、图像分析结果进行边坡模型的构建，得到边坡模型；
矿山分级模块，与中央控制模块连接，用于通过矿山分级程序依据获取的信息分析结构进行矿山的分级，得到矿山分级结果；
抗剪强度测试模块，与中央控制模块连接，用于通过抗剪强度测试程序依据矿山分级结果在构建的边坡模型中进行抗剪强度的测试得到测试结果，包括：以最小二乘法进行线性拟合，得到矿山边坡的滑移面的内摩擦角和粘聚力。
进一步，边坡信息获取模块中，所述判断骨干节点By1和骨干节点By2的优先级，包括：
如果骨干节点By1的网络前缀大于骨干节点By2的网络前缀，骨干节点Bx则判断骨干节点By1的优先级大于骨干节点By2；如果骨干节点By1的网络前缀小于骨干节点By2的网络前缀，骨干节点Bx则判断骨干节点By1的优先级小于骨干节点By2。
进一步，信息汇总模块中，所述获取数据并将数据分类存入相应的数据文件中，包括：获取需要分析的多个数据；根据数据的生成规则解析获取的数据，得到所述数据的属性信息；依据数据的属性信息将解析后的数据按照指定的格式分类存入相应的数据文件中。
进一步，信息汇总模块中，所述依据数据汇总任务之间的依赖关系执行每一个数据汇总任务，根据遍历数据文件得到的数据执行所述数据汇总任务对应的操作，包括：
1)依据数据汇总任务之间的依赖关系将生成的数据汇总任务通过任务ID之间的依赖关系标识为独立任务和关联任务；
2)对于每个独立任务，遍历数据文件，根据从数据文件遍历得到的数据执行所述独立任务对应的操作；
3)对于每个关联任务，遍历数据文件，根据从数据文件遍历到的数据以及每个关联任务中各个子任务之间的先后顺序执行对应的操作。
进一步，图像分析模块中，所述对去噪后的图像进行增强，包括：
(1)获取的去噪后的图像的RGB图像，将RGB图像转换为YUV图像，获取YUV图像的Y通道图像；
(2)通过改良的Laplace检测算子对所述Y通道图像进行边缘图像提取，获取边缘图像；
(3)对所述边缘图像进行边缘锐化，得到图像边缘锐化图；
(4)通过改良的图像增强，增强图像边缘锐化图的边缘信息；
(5)将增强后的图像边缘图的Y通道图像转为RGB图像，输出所述RGB图像和图像边缘锐化图，得到增强后的图像。
进一步，所述通过改良的Laplace检测算子对所述Y通道图像进行边缘图像提取，获取边缘图像，包括：
1)将Laplace检测算子所有方向梯度乘以n；
2)将所述乘以n后的Laplace检测算子水平和垂直方向乘以k。
进一步，所述通过改良的图像增强，增强图像边缘锐化图的边缘信息，包括：
1)获取Y通道图像亮度值；
2)通过所述Y通道图像亮度值和所述图像边缘锐化图，使用预设参数获取增强的Y通道图像的亮度值；
3)根据所述增强的Y通道图像的亮度值大小，通过预设的参数，对超过预设最大亮度值的亮度值进行降低亮度处理，对低于预设最小亮度值的亮度值进行提升亮度处理。
进一步，所述对所述边缘图像进行边缘锐化，得到图像边缘锐化图，包括：
(1)根据Y通道数据的值，采用函数表达式对所述边缘图像进行边缘锐化：
Figure BDA0003012291850000061
其中，x为Y通道数据，m为放大系数，x1是边缘与噪声阈值，x2是强边缘阈值；
(2)将RGB图像转换为YUV图像，获取YUV图像的Y通道图像：
Figure BDA0003012291850000062
本发明的另一目的在于提供一种存储在计算机可读介质上的计算机程序产品，包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以应用所述露天矿山边坡岩体结构面抗剪强度分级确定系统。
本发明的另一目的在于提供一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机应用所述露天矿山边坡岩体结构面抗剪强度分级确定系统。
结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明提供的露天矿山边坡岩体结构面抗剪强度分级确定系统，通过对矿山信息的获取进行矿山的分级，以及通过矿山图像的采集分析，得到矿山的三维模型，依据不同级别潜在滑移面上法向应力分布规律，合理确定结构面粘聚力与内摩擦角，显著提高了露天矿山边坡潜在滑移面精细化取值的可靠性。同时，本发明进行矿山边坡实时信息的获取，构建的矿山三维模型误差小，得到的露天矿山边坡岩体结构面抗剪强度测试结构更加准确。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅是本申请的一些实施例，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是本发明实施例提供的露天矿山边坡岩体结构面抗剪强度分级确定系统结构框图；
图中：1、边坡信息获取模块；2、实时信息获取模块；3、信息汇总模块；4、信息分析模块；5、中央控制模块；6、边坡图像采集模块；7、、图像分析模块；8、边坡模型构建模块；9、矿山分级模块；10、抗剪强度分级模块。
图2是本发明实施例提供的露天矿山边坡岩体结构面抗剪强度分级确定方法流程图。
图3是本发明实施例提供的通过信息汇总程序将边坡历史信息以及边坡实时信息进行汇总，得到边坡汇总信息的方法流程图。
图4是本发明实施例提供的依据数据汇总任务之间的依赖关系执行每一个数据汇总任务，根据遍历数据文件得到的数据执行所述数据汇总任务对应的操作的方法流程图。
图5是本发明实施例提供的对去噪后的图像进行增强处理的方法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
针对现有技术存在的问题，本发明提供了一种露天矿山边坡岩体结构面抗剪强度分级确定系统及方法，下面结合附图对本发明作详细的描述。
如图1所示，本发明实施例提供的露天矿山边坡岩体结构面抗剪强度分级确定系统包括：
边坡信息获取模块1，与中央控制模块5连接，用于通过边坡信息获取数据库中存储的边坡信息，得到边坡历史信息；所述边坡历史信息包括矿山边坡所在区域地形图、矿山边坡所在区域地质分布、矿山边坡几何形态数据、矿山边坡开采信息；
实时信息获取模块2，与中央控制模块5连接，用于通过探测器进行边坡实时信息的获取，得到边坡实时信息；所述边坡实时信息中包含矿山边坡的开采信息；
信息汇总模块3，与中央控制模块5连接，用于通过信息汇总程序将边坡历史信息以及边坡实时信息进行汇总，得到边坡汇总信息；
信息分析模块4，与中央控制模块5连接，用于通过信息分析程序对边坡汇总信息进行分析，得到信息分析结果；所述信息分析结果中包括矿山边坡开采信息中的变动信息；
中央控制模块5，与边坡信息获取模块1、实时信息获取模块2、信息汇总模块3、信息分析模块4、边坡图像采集模块6、图像分析模块7、边坡模型构建模块8、矿山分级模块9、抗剪强度测试模块10连接，用于通过主控机对各连接模块的运行进行控制，保证各个模块正常运行；
边坡图像采集模6，与中央控制模块5连接，用于通过无人机搭载摄像机进行矿山边坡不同角度的图像的采集，得到矿山边坡图像；
图像分析模块7，与中央控制模块5连接，用于通过图像分析程序对采集的矿山边坡图像进行分析，得到图像分析结果；
边坡模型构建模块8，与中央控制模块5连接，用于通过边坡模型构建程序依据获取的边坡汇总信息、信息分析结果、图像分析结果进行边坡模型的构建，得到边坡模型；
矿山分级模块9，与中央控制模块5连接，用于通过矿山分级程序依据获取的信息分析结构进行矿山的分级，得到矿山分级结果；
抗剪强度测试模块10，与中央控制模块5连接，用于通过抗剪强度测试程序依据矿山分级结果在构建的边坡模型中进行抗剪强度的测试得到测试结果。
如图2所示，本发明实施例提供的露天矿山边坡岩体结构面抗剪强度分级确定方法包括以下步骤：
S101，通过边坡信息获取模块利用边坡信息获取数据库中存储的边坡信息，得到边坡历史信息；所述边坡历史信息包括矿山边坡所在区域地形图、矿山边坡所在区域地质分布、矿山边坡几何形态数据、矿山边坡开采信息；
S102，通过实时信息获取模块利用探测器进行边坡实时信息的获取，得到边坡实时信息；所述边坡实时信息中包含矿山边坡的开采信息；通过信息汇总模块利用信息汇总程序将边坡历史信息以及边坡实时信息进行汇总，得到边坡汇总信息；
S103，通过信息分析模块利用信息分析程序对边坡汇总信息进行分析，得到信息分析结果；所述信息分析结果中包括矿山边坡开采信息中的变动信息；通过中央控制模块利用主控机对各连接模块的运行进行控制，保证各个模块正常运行；
S104，通过边坡图像采集模块利用无人机搭载摄像机进行矿山边坡不同角度的图像的采集，得到矿山边坡图像；通过图像分析模块利用图像分析程序对采集的矿山边坡图像进行分析，得到图像分析结果；
S105，通过边坡模型构建模块利用边坡模型构建程序依据获取的边坡汇总信息、信息分析结果、图像分析结果进行边坡模型的构建，得到边坡模型；
S106，通过矿山分级模块利用矿山分级程序依据获取的信息分析结构进行矿山的分级，得到矿山分级结果；通过抗剪强度测试模块利用抗剪强度测试程序依据矿山分级结果在构建的边坡模型中进行抗剪强度的测试得到测试结果。
本发明实施例提供的通过边坡信息获取数据库中存储的边坡信息，得到边坡历史信息，包括：
由移动节点构成一个网络，网络中一个数据ID定义一种类型的数据，网络中能够提供同一种类型数据的移动节点构建成一个k-anycast组，所述k-anycast组由定义所述种类型数据的数据ID唯一标识，一个k-anycast组里的移动节点称为骨干节点；
在一个包含X个骨干节点且能提供数据C的k-anycast组中，其中，X≥2，骨干节点Bx由唯一网络前缀Mx标识，k-anycast组由网络前缀集合G定义，如下式：
Figure BDA0003012291850000101
其中，X≥x≥1；
骨干节点或者移动节点的地址包括两个部分：i比特的网络前缀和j比特的节点ID；网络前缀包括k比特的数据ID和(i-k)比特的骨干ID，节点ID包括k比特的数据ID和(j-k)比特的内部ID，i，j和k为小于64的正整数；
骨干节点B启动后，创建一个临时地址，所述临时地址的网络前缀为i比特的随机数，节点ID为j比特的随机数；骨干节点Bx广播一个地址创建消息，消息源地址为临时地址，负载为一个随机数和数据ID c；骨干节点Bx等待一定时间，在接收到同一个k-anycast组里的其他X-1个骨干节点广播的地址创建消息后，判断骨干节点By1和骨干节点By2的优先级，其中，y1≠y2；
骨干节点Bx将同一个k-anycast组中的X个骨干节点按照优先级递增排序，如果骨干节点Bx的优先级在X骨干节点中的排序值为p，X≥p≥1，骨干节点Bx则将自己的骨干ID设置为px，同时构建一个地址，所述地址的网络前缀中的数据ID为c，节点ID为零，同时根据公式
Figure BDA0003012291850000111
构建网络前缀集合G；
网络前缀为y的骨干节点根据公式
Figure BDA0003012291850000112
Figure BDA0003012291850000113
获取内部ID空间[L(y),U(y)]，X≥y≥1。
本发明实施例提供的判断骨干节点By1和骨干节点By2的优先级，包括：
如果骨干节点By1的网络前缀大于骨干节点By2的网络前缀，骨干节点Bx则判断骨干节点By1的优先级大于骨干节点By2；如果骨干节点By1的网络前缀小于骨干节点By2的网络前缀，骨干节点Bx则判断骨干节点By1的优先级小于骨干节点By2。
如图3所示，本发明实施例提供的通过信息汇总程序将边坡历史信息以及边坡实时信息进行汇总，得到边坡汇总信息，包括：
S201，获取数据并将数据分类存入相应的数据文件中；
S202，依据数据汇总需求生成至少一个数据汇总任务，其中每个数据汇总任务包括用于唯一标识所述任务的ID和用于描述所述任务将执行的操作以及操作后得到的结果的执行命令；
S203，依据数据汇总任务之间的依赖关系执行每一个数据汇总任务，根据遍历数据文件得到的数据执行所述数据汇总任务对应的操作；
S204，在执行所述数据汇总任务结束后释放分配的内存。
本发明实施例提供的获取数据并将数据分类存入相应的数据文件中，包括：获取需要分析的多个数据；根据数据的生成规则解析获取的数据，得到所述数据的属性信息；依据数据的属性信息将解析后的数据按照指定的格式分类存入相应的数据文件中。
如图4所示，本发明实施例提供的依据数据汇总任务之间的依赖关系执行每一个数据汇总任务，根据遍历数据文件得到的数据执行所述数据汇总任务对应的操作，包括：
S301，依据数据汇总任务之间的依赖关系将生成的数据汇总任务通过任务ID之间的依赖关系标识为独立任务和关联任务；
S302，对于每个独立任务，遍历数据文件，根据从数据文件遍历得到的数据执行所述独立任务对应的操作；
S303，对于每个关联任务，遍历数据文件，根据从数据文件遍历到的数据以及每个关联任务中各个子任务之间的先后顺序执行对应的操作。
本发明实施例提供的通过图像分析程序对采集的矿山边坡图像进行分析，包括：进行采集的矿山边坡图像的去噪，对去噪后的图像进行增强，以及进行增强后的图像的分析。
如图5所示，本发明实施例提供的对去噪后的图像进行增强，包括：
S401，获取的去噪后的图像的RGB图像，将RGB图像转换为YUV图像，获取YUV图像的Y通道图像；
S402，通过改良的Laplace检测算子对所述Y通道图像进行边缘图像提取，获取边缘图像；
S403，对所述边缘图像进行边缘锐化，得到图像边缘锐化图；
S404，通过改良的图像增强，增强图像边缘锐化图的边缘信息；
S405，将增强后的图像边缘图的Y通道图像转为RGB图像，输出所述RGB图像和图像边缘锐化图，得到增强后的图像。
本发明实施例提供的通过改良的Laplace检测算子对所述Y通道图像进行边缘图像提取，获取边缘图像，包括：
(1)将Laplace检测算子所有方向梯度乘以n；
(2)将所述乘以n后的Laplace检测算子水平和垂直方向乘以k。
本发明实施例提供的通过改良的图像增强，增强图像边缘锐化图的边缘信息，包括：
(1)获取Y通道图像亮度值；
(2)通过所述Y通道图像亮度值和所述图像边缘锐化图，使用预设参数获取增强的Y通道图像的亮度值；
(3)根据所述增强的Y通道图像的亮度值大小，通过预设的参数，对超过预设最大亮度值的亮度值进行降低亮度处理，对低于预设最小亮度值的亮度值进行提升亮度处理。
本发明实施例提供的对所述边缘图像进行边缘锐化，得到图像边缘锐化图，包括：
(1)根据Y通道数据的值，采用函数表达式对所述边缘图像进行边缘锐化，所述函数表达式为：
Figure BDA0003012291850000131
其中，x为Y通道数据，m为放大系数，x1是边缘与噪声阈值，x2是强边缘阈值；
(2)将RGB图像转换为YUV图像，获取YUV图像的Y通道图像，公式为：
Figure BDA0003012291850000132
本发明实施例提供的通过抗剪强度测试程序依据矿山分级结果在构建的边坡模型中进行抗剪强度的测试得到测试结果，包括：以最小二乘法进行线性拟合，得到矿山边坡的滑移面的内摩擦角和粘聚力。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现，所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。
以上所述，仅为本发明较优的具体的实施方式，但本发明的保护范围并不局限于此，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，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种露天矿山边坡岩体结构面抗剪强度分级确定系统，其特征在于，所述露天矿山边坡岩体结构面抗剪强度分级确定系统包括：
边坡信息获取模块，与中央控制模块连接，用于通过边坡信息获取数据库中存储的边坡信息，得到边坡历史信息；所述边坡历史信息包括矿山边坡所在区域地形图、矿山边坡所在区域地质分布、矿山边坡几何形态数据、矿山边坡开采信息；其中，所述通过边坡信息获取数据库中存储的边坡信息，得到边坡历史信息，包括：
由移动节点构成一个网络，网络中一个数据ID定义一种类型的数据，网络中能够提供同一种类型数据的移动节点构建成一个k-anycast组，所述k-anycast组由定义所述种类型数据的数据ID唯一标识，一个k-anycast组里的移动节点称为骨干节点；
在一个包含X个骨干节点且能提供数据C的k-anycast组中，其中，X≥2，骨干节点Bx由唯一网络前缀Mx标识，k-anycast组由网络前缀集合G定义，如下式：
Figure FDA0003012291840000011
其中，X≥x≥1；
骨干节点或者移动节点的地址包括两个部分：i比特的网络前缀和j比特的节点ID；网络前缀包括k比特的数据ID和(i-k)比特的骨干ID，节点ID包括k比特的数据ID和(j-k)比特的内部ID，i，j和k为小于64的正整数；
骨干节点B启动后，创建一个临时地址，所述临时地址的网络前缀为i比特的随机数，节点ID为j比特的随机数；骨干节点Bx广播一个地址创建消息，消息源地址为临时地址，负载为一个随机数和数据ID c；骨干节点Bx等待一定时间，在接收到同一个k-anycast组里的其他X-1个骨干节点广播的地址创建消息后，判断骨干节点By1和骨干节点By2的优先级，其中，y1≠y2；
骨干节点Bx将同一个k-anycast组中的X个骨干节点按照优先级递增排序，如果骨干节点Bx的优先级在X骨干节点中的排序值为p，X≥p≥1，骨干节点Bx则将自己的骨干ID设置为px，同时构建一个地址，所述地址的网络前缀中的数据ID为c，节点ID为零，同时根据公式
Figure FDA0003012291840000021
构建网络前缀集合G；
网络前缀为y的骨干节点根据公式
Figure FDA0003012291840000022
Figure FDA0003012291840000023
获取内部ID空间[L(y),U(y)]，X≥y≥1；
实时信息获取模块，与中央控制模块连接，用于通过探测器进行边坡实时信息的获取，得到边坡实时信息；所述边坡实时信息中包含矿山边坡的开采信息；
信息汇总模块，与中央控制模块连接，用于通过信息汇总程序将边坡历史信息以及边坡实时信息进行汇总，得到边坡汇总信息，包括：
(1)获取数据并将数据分类存入相应的数据文件中；
(2)依据数据汇总需求生成至少一个数据汇总任务，其中每个数据汇总任务包括用于唯一标识所述任务的ID和用于描述所述任务将执行的操作以及操作后得到的结果的执行命令；
(3)依据数据汇总任务之间的依赖关系执行每一个数据汇总任务，根据遍历数据文件得到的数据执行所述数据汇总任务对应的操作；
(4)在执行所述数据汇总任务结束后释放分配的内存；
信息分析模块，与中央控制模块连接，用于通过信息分析程序对边坡汇总信息进行分析，得到信息分析结果；所述信息分析结果中包括矿山边坡开采信息中的变动信息；
中央控制模块，与边坡信息获取模块、实时信息获取模块、信息汇总模块、信息分析模块连接，用于通过主控机对各连接模块的运行进行控制，保证各个模块正常运行；
边坡图像采集模块，与中央控制模块连接，用于通过无人机搭载摄像机进行矿山边坡不同角度的图像的采集，得到矿山边坡图像；
图像分析模块，与中央控制模块连接，用于通过图像分析程序对采集的矿山边坡图像进行分析，得到图像分析结果，包括：进行采集的矿山边坡图像的去噪，对去噪后的图像进行增强，以及进行增强后的图像的分析；
边坡模型构建模块，与中央控制模块连接，用于通过边坡模型构建程序依据获取的边坡汇总信息、信息分析结果、图像分析结果进行边坡模型的构建，得到边坡模型；
矿山分级模块，与中央控制模块连接，用于通过矿山分级程序依据获取的信息分析结构进行矿山的分级，得到矿山分级结果；
抗剪强度测试模块，与中央控制模块连接，用于通过抗剪强度测试程序依据矿山分级结果在构建的边坡模型中进行抗剪强度的测试得到测试结果，包括：以最小二乘法进行线性拟合，得到矿山边坡的滑移面的内摩擦角和粘聚力。
2.如权利要求1所述露天矿山边坡岩体结构面抗剪强度分级确定系统，其特征在于，边坡信息获取模块中，所述判断骨干节点By1和骨干节点By2的优先级，包括：
如果骨干节点By1的网络前缀大于骨干节点By2的网络前缀，骨干节点Bx则判断骨干节点By1的优先级大于骨干节点By2；如果骨干节点By1的网络前缀小于骨干节点By2的网络前缀，骨干节点Bx则判断骨干节点By1的优先级小于骨干节点By2。
3.如权利要求1所述露天矿山边坡岩体结构面抗剪强度分级确定系统，其特征在于，信息汇总模块中，所述获取数据并将数据分类存入相应的数据文件中，包括：获取需要分析的多个数据；根据数据的生成规则解析获取的数据，得到所述数据的属性信息；依据数据的属性信息将解析后的数据按照指定的格式分类存入相应的数据文件中。
4.如权利要求1所述露天矿山边坡岩体结构面抗剪强度分级确定系统，其特征在于，信息汇总模块中，所述依据数据汇总任务之间的依赖关系执行每一个数据汇总任务，根据遍历数据文件得到的数据执行所述数据汇总任务对应的操作，包括：
1)依据数据汇总任务之间的依赖关系将生成的数据汇总任务通过任务ID之间的依赖关系标识为独立任务和关联任务；
2)对于每个独立任务，遍历数据文件，根据从数据文件遍历得到的数据执行所述独立任务对应的操作；
3)对于每个关联任务，遍历数据文件，根据从数据文件遍历到的数据以及每个关联任务中各个子任务之间的先后顺序执行对应的操作。
5.如权利要求1所述露天矿山边坡岩体结构面抗剪强度分级确定系统，其特征在于，图像分析模块中，所述对去噪后的图像进行增强，包括：
(1)获取的去噪后的图像的RGB图像，将RGB图像转换为YUV图像，获取YUV图像的Y通道图像；
(2)通过改良的Laplace检测算子对所述Y通道图像进行边缘图像提取，获取边缘图像；
(3)对所述边缘图像进行边缘锐化，得到图像边缘锐化图；
(4)通过改良的图像增强，增强图像边缘锐化图的边缘信息；
(5)将增强后的图像边缘图的Y通道图像转为RGB图像，输出所述RGB图像和图像边缘锐化图，得到增强后的图像。
6.如权利要求5所述露天矿山边坡岩体结构面抗剪强度分级确定系统，其特征在于，所述通过改良的Laplace检测算子对所述Y通道图像进行边缘图像提取，获取边缘图像，包括：
1)将Laplace检测算子所有方向梯度乘以n；
2)将所述乘以n后的Laplace检测算子水平和垂直方向乘以k。
7.如权利要求5所述露天矿山边坡岩体结构面抗剪强度分级确定系统，其特征在于，所述通过改良的图像增强，增强图像边缘锐化图的边缘信息，包括：
1)获取Y通道图像亮度值；
2)通过所述Y通道图像亮度值和所述图像边缘锐化图，使用预设参数获取增强的Y通道图像的亮度值；
3)根据所述增强的Y通道图像的亮度值大小，通过预设的参数，对超过预设最大亮度值的亮度值进行降低亮度处理，对低于预设最小亮度值的亮度值进行提升亮度处理。
8.如权利要求5所述露天矿山边坡岩体结构面抗剪强度分级确定系统，其特征在于，所述对所述边缘图像进行边缘锐化，得到图像边缘锐化图，包括：
(1)根据Y通道数据的值，采用函数表达式对所述边缘图像进行边缘锐化：
Figure FDA0003012291840000051
其中，x为Y通道数据，m为放大系数，x1是边缘与噪声阈值，x2是强边缘阈值；
(2)将RGB图像转换为YUV图像，获取YUV图像的Y通道图像：
Figure FDA0003012291840000052
9.一种存储在计算机可读介质上的计算机程序产品，包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以应用如权利要求1～8任意一项所述露天矿山边坡岩体结构面抗剪强度分级确定系统。
10.一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机应用如权利要求1～8任意一项所述露天矿山边坡岩体结构面抗剪强度分级确定系统。
CN202110378991.7A 2021-04-08 2021-04-08 露天矿山边坡岩体结构面抗剪强度分级确定系统及方法 Pending CN113298939A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110378991.7A CN113298939A (zh) 2021-04-08 2021-04-08 露天矿山边坡岩体结构面抗剪强度分级确定系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110378991.7A CN113298939A (zh) 2021-04-08 2021-04-08 露天矿山边坡岩体结构面抗剪强度分级确定系统及方法

Publications (1)

Publication Number Publication Date
CN113298939A true CN113298939A (zh) 2021-08-24

Family

ID=77319441

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110378991.7A Pending CN113298939A (zh) 2021-04-08 2021-04-08 露天矿山边坡岩体结构面抗剪强度分级确定系统及方法

Country Status (1)

Country Link
CN (1) CN113298939A (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102929929A (zh) * 2012-09-24 2013-02-13 深圳市网信联动技术有限公司 一种数据汇总方法和装置
CN105740570A (zh) * 2016-02-20 2016-07-06 西安科技大学 基于无人机遥测的露天矿边坡三维形态稳定性评估方法
CN105871641A (zh) * 2016-06-08 2016-08-17 常熟理工学院 一种基于云的数据获取方法
CN109446726A (zh) * 2018-11-26 2019-03-08 泉州装备制造研究所 基于大数据分析的获取边坡变形三维数据的边坡监测系统
CN109470582A (zh) * 2018-11-30 2019-03-15 浙江大学 露天矿山岩体结构面等效抗剪强度参数分级确定方法
CN110288700A (zh) * 2019-06-26 2019-09-27 东北大学 一种岩质边坡结构面自动分组及位移预测方法
CN111210393A (zh) * 2020-01-03 2020-05-29 北京理工大学珠海学院 一种基于边缘提取的彩色图像增强方法、系统及存储介质
CN111783304A (zh) * 2020-07-02 2020-10-16 中国恩菲工程技术有限公司 矿山的仿真分析方法及装置、设备及存储介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102929929A (zh) * 2012-09-24 2013-02-13 深圳市网信联动技术有限公司 一种数据汇总方法和装置
CN105740570A (zh) * 2016-02-20 2016-07-06 西安科技大学 基于无人机遥测的露天矿边坡三维形态稳定性评估方法
CN105871641A (zh) * 2016-06-08 2016-08-17 常熟理工学院 一种基于云的数据获取方法
CN109446726A (zh) * 2018-11-26 2019-03-08 泉州装备制造研究所 基于大数据分析的获取边坡变形三维数据的边坡监测系统
CN109470582A (zh) * 2018-11-30 2019-03-15 浙江大学 露天矿山岩体结构面等效抗剪强度参数分级确定方法
CN110288700A (zh) * 2019-06-26 2019-09-27 东北大学 一种岩质边坡结构面自动分组及位移预测方法
CN111210393A (zh) * 2020-01-03 2020-05-29 北京理工大学珠海学院 一种基于边缘提取的彩色图像增强方法、系统及存储介质
CN111783304A (zh) * 2020-07-02 2020-10-16 中国恩菲工程技术有限公司 矿山的仿真分析方法及装置、设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
杜时贵: "大型露天矿山边坡稳定性等精度评价方法", 《岩石力学与工程学报》 *

Similar Documents

Publication Publication Date Title
US11544511B2 (en) Method, apparatus, and electronic device for processing point cloud data, and computer readable storage medium
US10891462B2 (en) Identifying geometrical properties of rock structure through digital imaging
Kashani et al. Automated tornado damage assessment and wind speed estimation based on terrestrial laser scanning
CN107402176B (zh) 裂缝孔隙度的确定方法和装置
US20160202390A1 (en) In-Situ Wellbore, Core and Cuttings Information System
CN113435457A (zh) 基于图像的碎屑岩成分鉴定方法、装置、终端及介质
CN114429525A (zh) 裂缝性油藏多尺度裂缝模拟方法及计算机可读存储介质
Jiang et al. Application of canny operator threshold adaptive segmentation algorithm combined with digital image processing in tunnel face crevice extraction
CN104750612A (zh) 对文件操作进行测试方法及装置
CN114220094B (zh) 基于二维岩心扫描图像的孔隙与裂缝识别方法、系统
CN115238533A (zh) 边坡块体稳定性评价方法、系统、设备及可读存储介质
CN110889834A (zh) 一种基于云计算的公路隧道围岩分级方法
CN113298939A (zh) 露天矿山边坡岩体结构面抗剪强度分级确定系统及方法
CN111209158B (zh) 服务器集群的挖矿监控方法及集群监控系统
CN112101625A (zh) 一种页岩气井生产动态预测方法及系统
CN111239809B (zh) 一种基于属性融合原理的优势储层确定方法及系统
CN112925041B (zh) 储层裂缝的发育程度确定方法、装置、设备及存储介质
Maiti et al. A k-means clustering–based approach for 3D mapping and characterization of rock faces using digital images
Chen et al. An improved progressive triangular irregular network densification filtering algorithm for airborne LiDAR data
CN112377175B (zh) 一种优化钻井泥浆快速识别低阻油气层的方法及系统
KR102281829B1 (ko) 무인 항공기의 촬영 영상 및 상부 자연 사면의 상태 정보를 이용하는 사면 붕괴 위험성 평가 방법 및 그 방법을 실행시키는 프로그램이 기록된 기록 매체
CN115408926A (zh) 用于隧道掘进岩体参数预测的数据处理方法和装置
CN110674196B (zh) 一种grapes区域集合预报检验显示系统及显示方法
CN106651316B (zh) 业务流程框图的转换显示方法及装置
Bool et al. Automated building detection using RANSAC from classified LiDAr point cloud data

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210824