CN113516108A - 基于数据识别的工地抑尘数据匹配处理方法及系统 - Google Patents

基于数据识别的工地抑尘数据匹配处理方法及系统 Download PDF

Info

Publication number
CN113516108A
CN113516108A CN202111062768.8A CN202111062768A CN113516108A CN 113516108 A CN113516108 A CN 113516108A CN 202111062768 A CN202111062768 A CN 202111062768A CN 113516108 A CN113516108 A CN 113516108A
Authority
CN
China
Prior art keywords
dust
suppression device
source
dust suppression
image
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
Application number
CN202111062768.8A
Other languages
English (en)
Other versions
CN113516108B (zh
Inventor
瞿夕凡
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.)
Zhengjin Decoration Group Co ltd
Original Assignee
Jiangsu Zhengjin Architectural Decoration Engineering 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 Jiangsu Zhengjin Architectural Decoration Engineering Co ltd filed Critical Jiangsu Zhengjin Architectural Decoration Engineering Co ltd
Priority to CN202111062768.8A priority Critical patent/CN113516108B/zh
Publication of CN113516108A publication Critical patent/CN113516108A/zh
Application granted granted Critical
Publication of CN113516108B publication Critical patent/CN113516108B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Image Processing (AREA)

Abstract

本发明一种基于数据识别的工地抑尘数据匹配处理方法，包括以下步骤：步骤
Figure DEST_PATH_IMAGE002
：对施工现场RGB图像进行处理得到多个粉尘源；步骤
Figure DEST_PATH_IMAGE004
：构建水雾分析网络，获得抑尘装置转速、水量与喷洒水雾面积的对应关系；步骤
Figure DEST_PATH_IMAGE006
：对步骤
Figure 850144DEST_PATH_IMAGE002
获得的粉尘源进行特征提取；本发明还提出了一种基于数据识别的工地抑尘数据匹配处理系统，包括图像采集模块、图像去噪模块、数据分析处理模块、特征提取模块、函数分析模块。施工场地中环境复杂，且抑尘设备体型巨大不易移动，所以每一个抑尘设备会对应一个可移动区域，本发明根据粉尘源的位置信息，以及粉尘连通域信息和风向风速特征自适应得到每一个抑尘在可移动范围内的最佳作业点，并得到最佳的作业参数。

Description

基于数据识别的工地抑尘数据匹配处理方法及系统
技术领域
本申请涉及数据识别领域，具体涉及一种基于数据识别的工地抑尘数据匹配处理方法及系统。
背景技术
随着诸如计算机大数据和人工智能的发展，已经开发了数据识别和电数据处理技术，已经开发了诸如人工智能图像识别、深度学习和机器学习的最新技术，自动识别数据并提供与数据有关的信息或提供与数据有关的服务的智能服务被用于各种领域，应用数据识别和电数据处理技术的各种领域，比如工地粉尘控制，根据公开文件（公开号CN209748604U）公开的一种基于大数据的铁路运输煤炭抑尘智能监测分析系统，公开文件中基于大数据的方式设计，通过分析已知设备型号等信息，来获取关于相关信息。
随着城市的飞速发展，大多数城市处于城市建设的高峰期，城市内的建筑工地等施工现场在作业时经常会出现粉尘，在同一个建筑工地中，经常同时存在多个粉尘源，如何实现在有限个抑尘装置下实现抑尘装置和粉尘源的匹配问题，实现用最小成本达到最大有效工作量，是工地降尘过程中需要考虑的问题。
发明内容
针对上述问题，本发明提出了一种基于数据识别的工地抑尘数据匹配处理方法，该方法包括以下步骤：
步骤
Figure 371451DEST_PATH_IMAGE001
：对施工现场RGB图像进行处理得到多个粉尘源；
步骤
Figure 543938DEST_PATH_IMAGE002
：构建水雾分析网络，获得抑尘装置转速、水量与喷洒水雾面积的对应关系；
步骤
Figure 91725DEST_PATH_IMAGE003
：对步骤
Figure 497298DEST_PATH_IMAGE001
获得的粉尘源进行特征提取，得到抑尘装置对应每一个粉尘源的最佳作业参数；
步骤
Figure 624785DEST_PATH_IMAGE004
：根据步骤
Figure 261565DEST_PATH_IMAGE003
的结果得到多个粉尘源和多个抑尘装置的最佳匹配结果。
本发明还提出了一种基于数据识别的工地抑尘数据匹配处理系统，包括图像采集模块、图像去噪模块、数据分析处理模块、特征提取模块、函数分析模块、抑尘装置匹配模块；
所述图像采集模块为直接通过拍摄装置获取施工现场RGB图像；所述图像去噪模块使用BM3D技术进行去噪以获得去噪后的噪声图像；获取的噪声图像通过数据分析处理模块进行处理，获取获取粉尘区域，其中粉尘区域通过光流法获得光流信息，然后再对光流信息使用聚类算法进行处理获得粉尘源；使用特征提取模块对粉尘源进行数据识别，根据粉尘情况同时使用目标函数和水雾分析网络进行分析，其中目标函数中要同时输入图像拍摄时候的风力和风向参数；其中所述抑尘装置匹配模块将特征提取模块中的数据与抑尘装置作业参数通过KM算法进行匹配，最终获得抑尘装置匹配结果。
有益效果：
（1）施工场地中环境复杂，且抑尘设备体型巨大不易移动，所以每一个抑尘设备会对应一个可移动区域，本发明根据粉尘源的位置信息，位置信息通过图像识别的光流算法和聚类算法来获得，以及粉尘连通域信息和风向风速特征自适应得到每一个抑尘在可移动范围内的最佳作业点，并得到最佳的作业参数；同时实现多粉尘源和多抑尘装置的最优化匹配，使用KM算法对获取得到的数据进行相关分析匹配，从而得到最优结果，在保障抑尘效果的同时最大化的降低电力和水资源的消耗。
（2）本发明获得所有的粉尘源，为后续抑尘作业提供引导信息，针对不同的粉尘源的位置、产生粉尘的分布、环境因素的不同，获取RGB图像，使用图像处理技术对图像进行去噪分析，然后数据分析技术，从图像中分离出粉尘区域，通过光流算法和聚类算法，从而确定粉尘源，最后使用特征提取模块中的数据识别技术，在相关的目标函数和分析网络中，填入抑尘装置参数，从而获得抑尘装置的匹配结果，得到抑尘装置作业时的最佳参数；同时由于工地环境复杂且抑尘装置体型巨大，每一个抑尘装置有允许移动的范围，所述最佳参数还包括抑尘装置在允许范围内的最佳作业点。
附图说明
图1是本发明提供的一种基于数据识别的工地抑尘数据匹配处理系统的流程图。
具体实施方式
为了让本领域技术人员更好的理解本发明，下面结合实施例和附图对本发明展开描述，参见图1。
为了实现本发明所述内容，本发明设计了一种基于数据识别的工地抑尘数据匹配处理方法，包括以下步骤：
步骤
Figure 26259DEST_PATH_IMAGE001
：对施工现场RGB图像进行处理得到多个粉尘源；
该步骤的目的获得施工场地中的粉尘源。该步骤的有益效果为：获得所有的粉尘源，为后续抑尘作业提供引导信息。
需要说明的是，施工过程中产生的粉尘在空气中做远离粉尘源的扩撒运动，漂浮在粉尘在图像中表现为灰度值的变化，呈现无规则的噪点，所以可以将粉尘视为图像中的噪声，利用现有的图像去噪技术将粉尘产生的造成抹去，得到不含噪声的清晰图像。现有的图像去噪技术有很多，本发明采用BM3D去噪算法得到清晰图像。
利用相机采集到的RGB图像减去清晰图像，得到的噪声图像
Figure 810807DEST_PATH_IMAGE005
。在噪声图像
Figure 974941DEST_PATH_IMAGE005
中，包含图像中本身的固有噪声和粉尘区域。需要说明的是，噪声的产生与外界环境和相机成像质量有关，是一个相对稳定的分布，其运动特征和粉尘的运动特征有明显差异。获得粉尘区域的方法如下：
1）利用相机采集到的RGB图像减去清晰图像，得到的噪声图像，在噪声图像中，包含图像中本身的固有噪声和粉尘区域，获得粉尘区域的方法如下：
a）确定固有噪声是一个相随稳定的分布，获得连续多帧图像的噪声图像
Figure 872752DEST_PATH_IMAGE005
，
Figure 667401DEST_PATH_IMAGE005
中包含固有噪声和粉尘区域，首先将初始的相邻两帧噪声图像
Figure 599630DEST_PATH_IMAGE006
进行平均叠加，平均叠加的计算公式为：
Figure 708400DEST_PATH_IMAGE007
；
b）进一步，将叠加图分别与原始噪声图像
Figure 21570DEST_PATH_IMAGE008
相减得到差值
Figure 691848DEST_PATH_IMAGE009
图
Figure 887206DEST_PATH_IMAGE010
，在差值图
Figure 832290DEST_PATH_IMAGE009
中，像素值为0的点表示相邻帧噪声图像中像素值未发生变化，将两张差值图
Figure 891644DEST_PATH_IMAGE009
中像素值不为0的像素点置为1，得到粉尘区域的图像
Figure 903463DEST_PATH_IMAGE011
；
c）按照步骤a)-b)获得第
Figure 586117DEST_PATH_IMAGE012
帧图像中的粉尘区域图像
Figure 475838DEST_PATH_IMAGE013
，设定监督函数，判断粉尘区域的准确性，监督函数如下：
Figure 622654DEST_PATH_IMAGE015
其中，
Figure 431472DEST_PATH_IMAGE016
为相机采集到的图像尺寸信息，
Figure 7947DEST_PATH_IMAGE017
表示前
Figure 560414DEST_PATH_IMAGE018
帧图像中粉尘区域图像中像素值为0的面积，即为固有噪声的总面积；
Figure 374786DEST_PATH_IMAGE019
为允许误差系数；
d）监督函数的运行过程包括：当
Figure 790724DEST_PATH_IMAGE020
对应的监督函数不成立时，按照a)-c)的方法获得粉尘区域的图像
Figure 949435DEST_PATH_IMAGE021
，执行监督函数的判断，通过多次迭代判断过程直到
Figure 210652DEST_PATH_IMAGE022
对应的监督函数成立时，得到精确的粉尘区域；
2）确定粉尘区域后，噪声图像中其他的区域为包含固有噪声的区域，将固有噪声的区域的像素值置0，获得粉尘区域，仅针对粉尘区域的像素值分析，利用光流法获得粉尘运动方向，沿着所有粉尘的运动方向的反方向做延长线，从同一个粉尘源产生粉尘其反向延长线会汇聚于一点，得到多个粉尘源，对每一个粉尘源的延长线汇聚次数进行累加，得到每一个粉尘源的累加值
Figure 145110DEST_PATH_IMAGE023
，设定累加阈值
Figure 385529DEST_PATH_IMAGE024
，该阈值与图像中粉尘区域的面积
Figure 405437DEST_PATH_IMAGE025
有关，取值为
Figure 63821DEST_PATH_IMAGE026
，当
Figure 416567DEST_PATH_IMAGE027
时认为该粉尘源为风影响粉尘运动产生的误差粉尘源，将其舍去，得到图像中所有的粉尘源。
步骤
Figure 846411DEST_PATH_IMAGE002
：构建水雾分析网络，获得抑尘装置转速、水量与喷洒水雾面积对应关系；
该步骤的目的构建水雾分析网络，该神经网络输入抑尘装置的转速、水量、抑尘装置的俯仰角角度以及抑尘装置和粉尘源的直线距离，输出达到粉尘源时水雾的覆盖面积，该网络用于后续步骤
Figure 415933DEST_PATH_IMAGE028
中抑尘装置最佳作业参数的获取。
1）首先采集数据，采用仿真模拟的方法获得数据集，利用模拟器在虚拟环境中设定不同抑尘装置的参数，包括转速
Figure 317155DEST_PATH_IMAGE029
、水量
Figure 22943DEST_PATH_IMAGE030
和抑尘装置的俯仰角角度
Figure 13901DEST_PATH_IMAGE031
，采集距抑尘装置不同直线距离
Figure 306605DEST_PATH_IMAGE032
的水雾的横截面积
Figure 916578DEST_PATH_IMAGE033
，不断改变抑尘装置的参数，采集到不同的
Figure 742451DEST_PATH_IMAGE032
和
Figure 609038DEST_PATH_IMAGE033
的对应关系，得到多组训练样本
Figure 153152DEST_PATH_IMAGE034
，其中
Figure 894712DEST_PATH_IMAGE035
为训练数据，
Figure 76557DEST_PATH_IMAGE036
为标签信息；
2）其次搭建全连接神经网络，全连接神经网络有输入层、隐藏层和输出层构成，输入层为三个神经元，用于接收信息，设定隐藏层的数量为3，输出层为两个神经元，对应输出结果中的两个维度，损失函数采用均方差损失，不断迭代完成网络训练，利用该网络可以得到抑尘装置到达粉尘源时的水雾面积。
步骤
Figure 143739DEST_PATH_IMAGE037
：对步骤
Figure 112832DEST_PATH_IMAGE038
获得的粉尘源进行特征提取，得到抑尘装置对粉尘源作业时的最佳作业参数；
该步骤的目的根据步骤
Figure 362810DEST_PATH_IMAGE038
获得的粉尘源特征和步骤
Figure 897696DEST_PATH_IMAGE002
得到的水雾面积得到抑尘装置的最佳作业参数。该步骤的有益效果为：针对不同的粉尘源的位置、产生粉尘的分布、环境因素的不同，得到抑尘装置作业时的最佳参数；同时由于工地环境复杂且抑尘装置体型巨大，每一个抑尘装置有允许移动的范围，所述最佳参数还包括抑尘装置在允许范围内的最佳作业点。
1首先对步骤
Figure 666938DEST_PATH_IMAGE002
得到的粉尘源进行特征提取，得到粉尘源的特征向量
Figure 359213DEST_PATH_IMAGE039
，其获取方法如下：
a）记步骤
Figure 911417DEST_PATH_IMAGE002
中获得的粉尘元的数量为
Figure 363127DEST_PATH_IMAGE040
，计算每一个粉尘像素点光流信息方向向量到
Figure 793016DEST_PATH_IMAGE040
个粉尘源的垂直距离，将该粉尘像素点归为垂直距离最小的粉尘源，当出现多个粉尘源的距离相同时，将该粉尘像素点归为累加值
Figure 471122DEST_PATH_IMAGE023
最大的像素点；至此，得到每一个粉尘源对应的粉尘像素点；
b）进一步，对每一个粉尘源进行特征提取，首先获得粉尘源
Figure 390799DEST_PATH_IMAGE041
产生粉尘的覆盖面积
Figure 634698DEST_PATH_IMAGE042
，获得粉尘源的坐标位置
Figure 417847DEST_PATH_IMAGE043
，获得粉尘源的坐标八个8邻域方向上粉尘像素点与粉尘源的坐标
Figure 848828DEST_PATH_IMAGE043
的最远距离
Figure 306616DEST_PATH_IMAGE044
，取最大值作为最终的粉尘区域半径
Figure 670602DEST_PATH_IMAGE045
，得到粉尘的覆盖面积
Figure 827913DEST_PATH_IMAGE046
；
c）同时，需要说明的时，为获得粉尘源到达抑尘装置的直线距离，还需要获得粉尘源的深度信息，实施者可以采用深度相机获得粉尘源的深度信息
Figure 106710DEST_PATH_IMAGE047
，得到粉尘源
Figure 7670DEST_PATH_IMAGE048
在世界坐标系的坐标
Figure 55523DEST_PATH_IMAGE049
，为了方式室外光照对深度信息的影响，深度相机优选双目相机；
d）至此，得到粉尘源
Figure 180474DEST_PATH_IMAGE050
的特征向量
Figure 54889DEST_PATH_IMAGE051
。
2）基于抑尘装置上部署的GPS定位系统，得到抑尘装置在世界坐标中的三维坐标
Figure 290698DEST_PATH_IMAGE052
。根据抑尘装置和粉尘源
Figure 193057DEST_PATH_IMAGE050
在世界坐标系的三维坐标可以获得抑尘装置作业时的俯仰角角度
Figure 488909DEST_PATH_IMAGE053
和直线距离
Figure 850621DEST_PATH_IMAGE054
，计算方法如下：
Figure 719482DEST_PATH_IMAGE055
Figure 912566DEST_PATH_IMAGE056
3）将粉尘源
Figure 582581DEST_PATH_IMAGE057
与抑尘装置
Figure 464212DEST_PATH_IMAGE058
的特征
Figure 307403DEST_PATH_IMAGE059
，将其送入到步骤
Figure 948469DEST_PATH_IMAGE002
的水雾分析网络得到抑尘装置
Figure 36990DEST_PATH_IMAGE058
在位置
Figure 170031DEST_PATH_IMAGE052
处对粉尘源
Figure 613651DEST_PATH_IMAGE050
作业时理想状态下的转速
Figure 282792DEST_PATH_IMAGE060
和水量
Figure 29031DEST_PATH_IMAGE061
。需要说明的是，该转速
Figure 242844DEST_PATH_IMAGE060
和水量
Figure 663723DEST_PATH_IMAGE061
是在理想状态下的作业参数。
4）考虑到抑尘装置在作业时喷出的水雾受风力和风向的影响较大，故从气象数据库中获取方向和风力数据，对抑尘装置的转速
Figure 154747DEST_PATH_IMAGE060
、偏航角度
Figure 196521DEST_PATH_IMAGE062
和俯仰角
Figure 805620DEST_PATH_IMAGE063
进行修正获得最佳作业参数。水量已经满足降尘的需求，风向和风量不会影响水量，所以无需对水量进行调节。
5）获得水雾的风向向量，从抑尘装置
Figure 466408DEST_PATH_IMAGE058
的位置指向粉尘源
Figure 608676DEST_PATH_IMAGE050
的方向向量
Figure 588396DEST_PATH_IMAGE064
，获得风力向量
Figure 121008DEST_PATH_IMAGE065
，将风力向量
Figure 975701DEST_PATH_IMAGE066
沿着
Figure 473941DEST_PATH_IMAGE064
方向和垂直于
Figure 732884DEST_PATH_IMAGE064
的方向分解，得到向量
Figure 143005DEST_PATH_IMAGE067
和
Figure 178220DEST_PATH_IMAGE068
；进一步对
Figure 29501DEST_PATH_IMAGE068
做进一步的分解，分解为平行于世界坐标系
Figure 849558DEST_PATH_IMAGE069
轴的向量
Figure 858228DEST_PATH_IMAGE070
和垂直于世界坐标系
Figure 54723DEST_PATH_IMAGE069
轴
Figure 229352DEST_PATH_IMAGE071
，至此根据水雾方向和风向得到三个向量
Figure 975636DEST_PATH_IMAGE072
；其中
Figure 970137DEST_PATH_IMAGE067
对抑尘装置的转速进行修正；
Figure 471788DEST_PATH_IMAGE073
分别对抑尘装置的俯仰角
Figure 235344DEST_PATH_IMAGE063
和偏航角
Figure 662784DEST_PATH_IMAGE062
进行修正，修正公式如下：
Figure 646045DEST_PATH_IMAGE074
Figure 918764DEST_PATH_IMAGE075
Figure 802406DEST_PATH_IMAGE076
其中，
Figure 574315DEST_PATH_IMAGE077
表示两向量夹角的余弦值，
Figure 402463DEST_PATH_IMAGE078
表示抑尘装置转速和风速之间的随影关系；于装置的型号有关；
Figure 619817DEST_PATH_IMAGE079
表示修正后的转速；
Figure 656169DEST_PATH_IMAGE080
表示风对水雾方向的影响系数；与修正前的转速
Figure 425411DEST_PATH_IMAGE060
呈负相关关系，转速
Figure 881800DEST_PATH_IMAGE060
越大，风对水雾方向的影响程度越小，该系数越小；其对应关系为
Figure 997786DEST_PATH_IMAGE081
，由采集到的数据利用最小二乘法拟合获得参数
Figure 856020DEST_PATH_IMAGE082
和
Figure 32049DEST_PATH_IMAGE083
。
6）至此，得到抑尘装置
Figure 772472DEST_PATH_IMAGE058
在位置
Figure 331629DEST_PATH_IMAGE052
时的最佳作业参数
Figure 404890DEST_PATH_IMAGE084
。
进一步，由于每一个抑尘装置有一定的运动范围，获取抑尘装置
Figure 188038DEST_PATH_IMAGE058
可允许运动区域
Figure 353440DEST_PATH_IMAGE085
。遍历
Figure 88526DEST_PATH_IMAGE085
内所有的三维坐标点，将于粉尘源
Figure 921353DEST_PATH_IMAGE050
的连线之间存在障碍物的三维坐标点舍弃，这些坐标点会因障碍物遮挡影响降尘作业；得到剩余每一个三维坐标点对应的最佳作业参数，取
Figure 937719DEST_PATH_IMAGE086
对应的点为抑尘装置
Figure 91883DEST_PATH_IMAGE087
的最佳作业点
Figure 789580DEST_PATH_IMAGE088
，在该作业点抑尘装置的消耗最小，消耗包括转速消耗的电能和水量消耗的水资源。需要说明的是，障碍物的检测可以获得连线上的物体深度信息来进行判断，在此不再赘述。
至此，得到抑尘装置
Figure 804810DEST_PATH_IMAGE087
与粉尘源
Figure 759121DEST_PATH_IMAGE089
之间的最佳作业参数
Figure 899116DEST_PATH_IMAGE090
。
步骤
Figure 964286DEST_PATH_IMAGE004
：根据步骤
Figure 302863DEST_PATH_IMAGE028
的结果得到多个粉尘源和多个抑尘装置的最佳匹配结果。
该步骤的目的得到多个抑尘装置与多个粉尘源之间的匹配结果，使得施工场地内在保障损耗最小的情况下达到最优的降尘效果。
1）获取施工场地抑尘装置的数量
Figure 536399DEST_PATH_IMAGE082
，根据步骤
Figure 789788DEST_PATH_IMAGE038
获得的粉尘源累加值
Figure 32550DEST_PATH_IMAGE023
对粉尘源进行优先级排序，利用步骤
Figure 225634DEST_PATH_IMAGE003
的方法获得抑尘装置
Figure 256169DEST_PATH_IMAGE087
和每一个粉尘源
Figure 370756DEST_PATH_IMAGE089
的最佳作业参数；
2）将抑尘装置和粉尘源视为节点，将
Figure DEST_PATH_IMAGE091
作为两节点之间的边权值，获得二分图；
3）由于每一个粉尘源产生粉尘的严重程度不同，根据粉尘源的优先级，从优先级最高的粉尘源进行匹配，匹配算法采用KM算法，该算法匹配的结果可以令整体的边权值达到最大。边权值最大表示降尘作业整体的消耗最小。
本发明还设计了一种基于数据识别的工地抑尘数据匹配处理系统，包括图像采集模块、图像去噪模块、数据分析处理模块、特征提取模块、函数分析模块、抑尘装置匹配模块，所述图像采集模块为直接通过拍摄装置获取施工现场RGB图像；
所述图像去噪模块使用BM3D技术进行去噪以获得去噪后的噪声图像；获取的噪声图像通过数据分析处理模块进行处理，获取粉尘区域，其中粉尘区域通过光流法获得光流信息，然后再对光流信息使用聚类算法进行处理获得粉尘源；使用特征提取模块对粉尘源进行数据识别，根据粉尘情况同时使用目标函数和水雾分析网络进行分析，其中目标函数中要同时输入图像拍摄时候的风力和风向参数；其中所述抑尘装置匹配模块将特征提取模块中的数据与抑尘装置作业参数通过KM算法进行匹配，最终获得抑尘装置匹配结果。
至此，本发明完成。

Claims (6)

1.一种基于数据识别的工地抑尘数据匹配处理方法，其特征在于，包括以下步骤：
步骤
Figure 904125DEST_PATH_IMAGE001
：对施工现场RGB图像进行处理得到多个粉尘源；包括：
1)利用相机采集到的RGB图像减去清晰图像，得到的噪声图像，在噪声图像中，包含图像中本身的固有噪声和粉尘区域，获得粉尘区域的方法如下：
a）确定固有噪声是一个相随稳定的分布，获得连续多帧图像的噪声图像
Figure 842170DEST_PATH_IMAGE002
，
Figure 949804DEST_PATH_IMAGE002
中包含固有噪声和粉尘区域，首先将初始的相邻两帧噪声图像
Figure DEST_PATH_IMAGE003
进行平均叠加，平均叠加的计算公式为：
Figure 33428DEST_PATH_IMAGE004
；
b）将叠加图分别与原始噪声图像
Figure DEST_PATH_IMAGE005
相减得到差值
Figure 769172DEST_PATH_IMAGE006
图
Figure 420996DEST_PATH_IMAGE007
，在差值图
Figure 78242DEST_PATH_IMAGE006
中，像素值为0的点表示相邻帧噪声图像中像素值未发生变化，将两张差值图
Figure 605038DEST_PATH_IMAGE006
中像素值不为0的像素点置为1，得到粉尘区域的图像
Figure 40961DEST_PATH_IMAGE008
；
c）按照步骤a)-b)获得第
Figure DEST_PATH_IMAGE009
帧图像中的粉尘区域图像
Figure 424538DEST_PATH_IMAGE010
，设定监督函数，判断粉尘区域的准确性，监督函数如下：
Figure 70545DEST_PATH_IMAGE012
其中，
Figure DEST_PATH_IMAGE013
为相机采集到的图像尺寸信息，
Figure 401032DEST_PATH_IMAGE014
表示前
Figure 252314DEST_PATH_IMAGE015
帧图像中粉尘区域图像中像素值为0的面积，即为固有噪声的总面积；
Figure 245940DEST_PATH_IMAGE016
为允许误差系数；监督函数的运行过程包括：当
Figure 877778DEST_PATH_IMAGE017
对应的监督函数不成立时，按照a)-c)的方法获得粉尘区域的图像
Figure 684060DEST_PATH_IMAGE018
，执行监督函数的判断，通过多次迭代判断过程直到
Figure 156892DEST_PATH_IMAGE019
对应的监督函数成立时，得到精确的粉尘区域；
2）确定粉尘区域后，噪声图像中其他的区域为包含固有噪声的区域，将固有噪声的区域的像素值置0，获得粉尘区域，仅针对粉尘区域的像素值分析，利用光流法获得粉尘运动方向，沿着所有粉尘的运动方向的反方向做延长线，从同一个粉尘源产生粉尘其反向延长线会汇聚于一点，得到多个粉尘源，对每一个粉尘源的延长线汇聚次数进行累加，得到每一个粉尘源的累加值
Figure 882271DEST_PATH_IMAGE020
，设定累加阈值
Figure 939089DEST_PATH_IMAGE021
，该阈值与图像中粉尘区域的面积
Figure 50527DEST_PATH_IMAGE022
有关，取值为
Figure 610821DEST_PATH_IMAGE023
，当
Figure 38260DEST_PATH_IMAGE024
时认为该粉尘源为风影响粉尘运动产生的误差粉尘源，将其舍去，得到图像中所有的粉尘源；
步骤
Figure 564399DEST_PATH_IMAGE025
：构建水雾分析网络，获得抑尘装置转速、水量与喷洒水雾面积的对应关系；
步骤
Figure 712484DEST_PATH_IMAGE026
：对步骤
Figure DEST_PATH_IMAGE027
获得的粉尘源进行特征提取，得到抑尘装置对应每一个粉尘源的最佳作业参数；
步骤
Figure 550121DEST_PATH_IMAGE028
：根据步骤
Figure 758248DEST_PATH_IMAGE026
的结果得到多个粉尘源和多个抑尘装置的最佳匹配结果。
2.根据权利要求1所述的基于数据识别的工地抑尘数据匹配处理方法，其特征在于，所述水雾分析网络输入抑尘装置的转速、水量、抑尘装置的俯仰角角度以及抑尘装置和粉尘源的直线距离，输出达到粉尘源时水雾的覆盖面积，可获取后续步骤
Figure 524079DEST_PATH_IMAGE026
中抑尘装置最佳作业参数，具体的获取方法如下：
1）采集数据，采用仿真模拟的方法获得数据集，利用模拟器在虚拟环境中设定不同抑尘装置的参数，包括转速
Figure 836374DEST_PATH_IMAGE029
、水量
Figure 636840DEST_PATH_IMAGE030
和抑尘装置的俯仰角角度
Figure 15869DEST_PATH_IMAGE031
，采集距抑尘装置不同直线距离
Figure 3416DEST_PATH_IMAGE032
的水雾的横截面积
Figure 57085DEST_PATH_IMAGE033
，不断改变抑尘装置的参数，采集到不同的
Figure 774374DEST_PATH_IMAGE032
和
Figure 324304DEST_PATH_IMAGE033
的对应关系，得到多组训练样本
Figure 894088DEST_PATH_IMAGE034
，其中
Figure 453245DEST_PATH_IMAGE035
为训练数据，
Figure 792085DEST_PATH_IMAGE036
为标签信息；
2）搭建全连接神经网络，全连接神经网络有输入层、隐藏层和输出层构成，输入层为三个神经元，用于接收信息，设定隐藏层的数量为3，输出层为两个神经元，对应输出结果中的两个维度，损失函数采用均方差损失，不断迭代完成网络训练，利用该网络可以得到抑尘装置到达粉尘源时的水雾面积。
3.根据权利要求2所述的基于数据识别的工地抑尘数据匹配处理方法，其特征在于，所述步骤
Figure 309654DEST_PATH_IMAGE027
获得的粉尘源特征和步骤
Figure 740635DEST_PATH_IMAGE025
得到的水雾面积得到抑尘装置的最佳作业参数，其具体方法步骤如下：
1）对步骤
Figure 667265DEST_PATH_IMAGE025
得到的粉尘源进行特征提取，得到粉尘源的特征向量
Figure 296830DEST_PATH_IMAGE037
，其获取方法如下：
a）记步骤
Figure 47617DEST_PATH_IMAGE025
中获得的粉尘元的数量为
Figure 467359DEST_PATH_IMAGE038
，计算每一个粉尘像素点光流信息方向向量到
Figure 165057DEST_PATH_IMAGE038
个粉尘源的垂直距离，将该粉尘像素点归为垂直距离最小的粉尘源，当出现多个粉尘源的距离相同时，将该粉尘像素点归为累加值
Figure 180286DEST_PATH_IMAGE020
最大的像素点；至此，得到每一个粉尘源对应的粉尘像素点；
b）对每一个粉尘源进行特征提取，首先获得粉尘源
Figure 326142DEST_PATH_IMAGE039
产生粉尘的覆盖面积
Figure 590770DEST_PATH_IMAGE040
，获得粉尘源的坐标位置
Figure 593623DEST_PATH_IMAGE041
，获得粉尘源的坐标八个8邻域方向上粉尘像素点与粉尘源的坐标
Figure 135463DEST_PATH_IMAGE041
的最远距离
Figure 493632DEST_PATH_IMAGE042
，取最大值作为最终的粉尘区域半径
Figure 419125DEST_PATH_IMAGE043
，得到粉尘的覆盖面积
Figure 193046DEST_PATH_IMAGE044
；
c）为获得粉尘源到达抑尘装置的直线距离，实施者可以采用深度相机获得粉尘源的深度信息
Figure 323813DEST_PATH_IMAGE045
，得到粉尘源
Figure 790566DEST_PATH_IMAGE046
在世界坐标系的坐标
Figure 531251DEST_PATH_IMAGE047
；
d）得到粉尘源
Figure 46546DEST_PATH_IMAGE048
的特征向量
Figure DEST_PATH_IMAGE049
；
2）基于抑尘装置上部署的GPS定位系统，得到抑尘装置在世界坐标中的三维坐标
Figure 516973DEST_PATH_IMAGE050
，根据抑尘装置和粉尘源
Figure 92311DEST_PATH_IMAGE048
在世界坐标系的三维坐标可以获得抑尘装置作业时的俯仰角角度
Figure DEST_PATH_IMAGE051
和直线距离
Figure 54713DEST_PATH_IMAGE052
，计算方法如下：
Figure DEST_PATH_IMAGE053
Figure 826229DEST_PATH_IMAGE054
；
3）将粉尘源
Figure DEST_PATH_IMAGE055
与抑尘装置
Figure 760949DEST_PATH_IMAGE056
的特征
Figure DEST_PATH_IMAGE057
，将其送入到步骤
Figure 461183DEST_PATH_IMAGE025
的水雾分析网络得到抑尘装置
Figure 19203DEST_PATH_IMAGE056
在位置
Figure 204197DEST_PATH_IMAGE050
处对粉尘源
Figure 801880DEST_PATH_IMAGE048
作业时理想状态下的转速
Figure 781337DEST_PATH_IMAGE058
和水量
Figure 888971DEST_PATH_IMAGE059
；
4）从气象数据库中获取方向和风力数据，对抑尘装置的转速
Figure 549759DEST_PATH_IMAGE058
、偏航角度
Figure DEST_PATH_IMAGE060
和俯仰角
Figure 583705DEST_PATH_IMAGE061
进行修正获得最佳作业参数；
5）获得水雾的风向向量，从抑尘装置
Figure 937326DEST_PATH_IMAGE056
的位置指向粉尘源
Figure 33721DEST_PATH_IMAGE048
的方向向量
Figure DEST_PATH_IMAGE062
，获得风力向量
Figure 685151DEST_PATH_IMAGE063
，将风力向量
Figure DEST_PATH_IMAGE064
沿着
Figure 183390DEST_PATH_IMAGE062
方向和垂直于
Figure 504650DEST_PATH_IMAGE062
的方向分解，得到向量
Figure 586876DEST_PATH_IMAGE065
和
Figure DEST_PATH_IMAGE066
；进一步对
Figure 543462DEST_PATH_IMAGE066
做进一步的分解，分解为平行于世界坐标系
Figure 332426DEST_PATH_IMAGE067
轴的向量
Figure DEST_PATH_IMAGE068
和垂直于世界坐标系
Figure 981844DEST_PATH_IMAGE067
轴
Figure 285787DEST_PATH_IMAGE069
，至此根据水雾方向和风向得到三个向量
Figure DEST_PATH_IMAGE070
；其中
Figure 921430DEST_PATH_IMAGE065
对抑尘装置的转速进行修正；
Figure 423955DEST_PATH_IMAGE071
分别对抑尘装置的俯仰角
Figure 916379DEST_PATH_IMAGE061
和偏航角
Figure 176459DEST_PATH_IMAGE060
进行修正，修正公式如下：
Figure 583169DEST_PATH_IMAGE072
Figure DEST_PATH_IMAGE073
Figure 492264DEST_PATH_IMAGE074
其中，
Figure DEST_PATH_IMAGE075
表示两向量夹角的余弦值，
Figure 890010DEST_PATH_IMAGE076
表示抑尘装置转速和风速之间的随影关系；
Figure 762020DEST_PATH_IMAGE077
表示修正后的转速；
Figure 910104DEST_PATH_IMAGE078
表示风对水雾方向的影响系数；其对应关系为
Figure 419845DEST_PATH_IMAGE079
，由采集到的数据利用最小二乘法拟合获得参数
Figure 690290DEST_PATH_IMAGE080
和
Figure DEST_PATH_IMAGE081
；
6）得到抑尘装置
Figure 223164DEST_PATH_IMAGE056
在位置
Figure 33994DEST_PATH_IMAGE050
时的最佳作业参数
Figure 37723DEST_PATH_IMAGE082
。
4.根据权利要求3所述的基于数据识别的工地抑尘数据匹配处理方法，其特征在于，获取抑尘装置
Figure DEST_PATH_IMAGE083
可允许运动区域
Figure 777271DEST_PATH_IMAGE084
，遍历
Figure 92714DEST_PATH_IMAGE084
内所有的三维坐标点，将于粉尘源
Figure DEST_PATH_IMAGE085
的连线之间存在障碍物的三维坐标点舍弃；得到剩余每一个三维坐标点对应的最佳作业参数，取
Figure 411963DEST_PATH_IMAGE086
对应的点为抑尘装置
Figure 801356DEST_PATH_IMAGE083
的最佳作业点
Figure DEST_PATH_IMAGE087
，在该作业点抑尘装置的消耗最小，消耗包括转速消耗的电能和水量消耗的水资源；障碍物的检测可以获得连线上的物体深度信息来进行判断，从而得到抑尘装置
Figure 774122DEST_PATH_IMAGE083
与粉尘源
Figure 514545DEST_PATH_IMAGE085
之间的最佳作业参数
Figure 434222DEST_PATH_IMAGE088
。
5.根据权利要求4所述的基于数据识别的工地抑尘数据匹配处理方法，其特征在于，所述步骤
Figure 881383DEST_PATH_IMAGE028
用于得到多个抑尘装置与多个粉尘源之间的匹配结果，其具体方法步骤如下：
1）获取施工场地抑尘装置的数量
Figure 664532DEST_PATH_IMAGE080
，根据步骤
Figure 733330DEST_PATH_IMAGE089
获得的粉尘源累加值
Figure 361758DEST_PATH_IMAGE020
对粉尘源进行优先级排序，利用步骤
Figure 663426DEST_PATH_IMAGE026
的方法获得抑尘装置
Figure 617476DEST_PATH_IMAGE083
和每一个粉尘源
Figure 896272DEST_PATH_IMAGE085
的最佳作业参数；
2）将抑尘装置和粉尘源视为节点，将
Figure DEST_PATH_IMAGE090
作为两节点之间的边权值，获得二分图；
3）根据粉尘源的优先级，从优先级最高的粉尘源进行匹配，匹配算法采用KM算法。
6.一种基于数据识别的工地抑尘数据匹配处理系统，其特征在于，包括图像采集模块、图像去噪模块、数据分析处理模块、特征提取模块、函数分析模块、抑尘装置匹配模块；
所述图像采集模块为直接通过拍摄装置获取施工现场RGB图像；所述图像去噪模块使用BM3D技术进行去噪以获得去噪后的噪声图像；获取的噪声图像通过数据分析处理模块进行处理，获取粉尘区域，其中粉尘区域通过光流法获得光流信息，然后再对光流信息使用聚类算法进行处理获得粉尘源；使用特征提取模块对粉尘源进行数据识别，根据粉尘情况同时使用目标函数和水雾分析网络进行分析，其中目标函数中要同时输入图像拍摄时候的风力和风向参数；其中所述抑尘装置匹配模块将特征提取模块中的数据与抑尘装置作业参数通过KM算法进行匹配，最终获得抑尘装置匹配结果。
CN202111062768.8A 2021-09-10 2021-09-10 基于数据识别的工地抑尘数据匹配处理方法 Active CN113516108B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111062768.8A CN113516108B (zh) 2021-09-10 2021-09-10 基于数据识别的工地抑尘数据匹配处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111062768.8A CN113516108B (zh) 2021-09-10 2021-09-10 基于数据识别的工地抑尘数据匹配处理方法

Publications (2)

Publication Number Publication Date
CN113516108A true CN113516108A (zh) 2021-10-19
CN113516108B CN113516108B (zh) 2021-12-07

Family

ID=78063300

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111062768.8A Active CN113516108B (zh) 2021-09-10 2021-09-10 基于数据识别的工地抑尘数据匹配处理方法

Country Status (1)

Country Link
CN (1) CN113516108B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114062212A (zh) * 2021-11-17 2022-02-18 北京中海兴达建设有限公司 一种用于建筑粉尘监测调节系统与方法
CN117115753A (zh) * 2023-10-23 2023-11-24 辽宁地恩瑞科技有限公司 一种膨润土自动化磨粉监测系统
CN117139317A (zh) * 2023-10-31 2023-12-01 米脂冀东水泥有限公司 一种水泥固废处理系统粉尘处理装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104361607A (zh) * 2014-10-21 2015-02-18 北京邮电大学 一种实时多向行人计数、跟踪方法
US20170189848A1 (en) * 2014-06-17 2017-07-06 Hyunjin Construction Co., Ltd. Sensor-based motion control dust scattering suppression system
CN111530203A (zh) * 2020-07-08 2020-08-14 湖南九九智能环保股份有限公司 一种粉尘智能测控治系统及其抑尘降尘方法
CN112418056A (zh) * 2020-11-18 2021-02-26 中冶赛迪工程技术股份有限公司 一种抑尘洒水智能控制系统及控制方法
CN113344982A (zh) * 2021-07-29 2021-09-03 南通茗仁建筑工程有限公司 基于数据识别的工地粉尘控制数据处理方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170189848A1 (en) * 2014-06-17 2017-07-06 Hyunjin Construction Co., Ltd. Sensor-based motion control dust scattering suppression system
CN104361607A (zh) * 2014-10-21 2015-02-18 北京邮电大学 一种实时多向行人计数、跟踪方法
CN111530203A (zh) * 2020-07-08 2020-08-14 湖南九九智能环保股份有限公司 一种粉尘智能测控治系统及其抑尘降尘方法
CN112418056A (zh) * 2020-11-18 2021-02-26 中冶赛迪工程技术股份有限公司 一种抑尘洒水智能控制系统及控制方法
CN113344982A (zh) * 2021-07-29 2021-09-03 南通茗仁建筑工程有限公司 基于数据识别的工地粉尘控制数据处理方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
ZHANG JIANG-SHI 等: "Spray dust removal device based on the image contrast", 《2012 INTERNATIONAL CONFERENCE ON COMPUTER DISTRIBUTED CONTROL AND INTELLIGENT ENVIROMENTAL MONITORING》 *
薛里 等: "爆炸水雾降尘机理探讨", 《安徽理工大学学报》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114062212A (zh) * 2021-11-17 2022-02-18 北京中海兴达建设有限公司 一种用于建筑粉尘监测调节系统与方法
CN117115753A (zh) * 2023-10-23 2023-11-24 辽宁地恩瑞科技有限公司 一种膨润土自动化磨粉监测系统
CN117115753B (zh) * 2023-10-23 2024-02-02 辽宁地恩瑞科技有限公司 一种膨润土自动化磨粉监测系统
CN117139317A (zh) * 2023-10-31 2023-12-01 米脂冀东水泥有限公司 一种水泥固废处理系统粉尘处理装置
CN117139317B (zh) * 2023-10-31 2024-02-13 米脂冀东水泥有限公司 一种水泥固废处理系统粉尘处理装置

Also Published As

Publication number Publication date
CN113516108B (zh) 2021-12-07

Similar Documents

Publication Publication Date Title
CN113516108B (zh) 基于数据识别的工地抑尘数据匹配处理方法
CN110097553B (zh) 基于即时定位建图与三维语义分割的语义建图系统
CN109784333B (zh) 基于点云带权通道特征的三维目标检测方法及系统
CN109118479B (zh) 基于胶囊网络的绝缘子缺陷识别定位装置及方法
CN107179768B (zh) 一种障碍物识别方法及装置
CN111899172A (zh) 一种面向遥感应用场景的车辆目标检测方法
CN104484648B (zh) 基于轮廓识别的机器人可变视角障碍物检测方法
CN110060299A (zh) 基于双目视觉技术的输电通道内危险源识别和定位方法
CN106780560B (zh) 一种基于特征融合粒子滤波的仿生机器鱼视觉跟踪方法
CN110246151B (zh) 一种基于深度学习和单目视觉的水下机器人目标跟踪方法
CN113159466B (zh) 一种短时光伏发电功率预测系统及方法
CN111998862B (zh) 一种基于bnn的稠密双目slam方法
CN113129449B (zh) 一种基于双目视觉的车辆路面特征识别及三维重建方法
CN113284144B (zh) 一种基于无人机的隧道检测方法及装置
CN109684914A (zh) 基于无人机影像智能识别方法
CN107944350B (zh) 一种基于外观和几何信息融合的单目视觉道路识别方法
CN112288809A (zh) 一种用于多物体复杂场景的机器人抓取检测方法
CN116563104A (zh) 一种基于粒子群算法的图像配准方法及图像拼接方法
CN116299525A (zh) 一种基于点云区域相关性的动态环境rgb-d视觉slam方法
CN115482282A (zh) 自动驾驶场景下具有多目标追踪能力的动态slam方法
WO2022220692A1 (en) Bird detection and species determination
CN114187663A (zh) 基于雷达探测灰度图与神经网络的体态控制无人机的方法
EP4070278A1 (en) Method to determine the depth from images by self-adaptive learning of a neural network and system thereof
CN113836975A (zh) 基于yolov3的双目视觉无人机避障方法
Pamungkas et al. 3D-building reconstruction approach using semi-global matching classified

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
CP03 Change of name, title or address

Address after: 226000 room 104, building 19, chengjiayuan, Qinghe Road, high tech Zone, Nantong City, Jiangsu Province

Patentee after: Zhengjin Decoration Group Co.,Ltd.

Country or region after: China

Address before: 226000 room 104, building 19, chengjiayuan, Qinghe Road, high tech Zone, Nantong City, Jiangsu Province

Patentee before: Jiangsu Zhengjin Architectural Decoration Engineering Co.,Ltd.

Country or region before: China