CN115861588A - 一种煤矿断层识别方法及系统 - Google Patents
一种煤矿断层识别方法及系统 Download PDFInfo
- Publication number
- CN115861588A CN115861588A CN202211677752.2A CN202211677752A CN115861588A CN 115861588 A CN115861588 A CN 115861588A CN 202211677752 A CN202211677752 A CN 202211677752A CN 115861588 A CN115861588 A CN 115861588A
- Authority
- CN
- China
- Prior art keywords
- coal
- coal mine
- image data
- image
- fault
- 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
Links
- 239000003245 coal Substances 0.000 title claims abstract description 121
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000005553 drilling Methods 0.000 claims abstract description 50
- 238000000605 extraction Methods 0.000 claims abstract description 25
- 238000005516 engineering process Methods 0.000 claims abstract description 17
- 238000007781 pre-processing Methods 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims description 16
- 239000011435 rock Substances 0.000 claims description 10
- 238000003709 image segmentation Methods 0.000 claims description 6
- 238000005520 cutting process Methods 0.000 claims description 3
- 230000002708 enhancing effect Effects 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 claims 1
- 238000013461 design Methods 0.000 abstract description 5
- 238000004458 analytical method Methods 0.000 abstract description 3
- 238000011160 research Methods 0.000 abstract description 3
- 238000010276 construction Methods 0.000 description 6
- 238000005065 mining Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000004927 fusion Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000005086 pumping Methods 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000002547 anomalous effect Effects 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Landscapes
- Image Processing (AREA)
Abstract
本申请公开了一种煤矿断层识别方法及系统，包括以下步骤：获取煤矿区域图像数据；基于所述图像数据，对所述图像数据进行预处理，获取煤层信息；基于所述煤层信息，采用煤层瓦斯抽采钻孔方法识别煤矿断层。本申请通过高密度施工的煤巷条带穿层瓦斯抽采钻孔的设计参数，建立坐标系等技术，获取煤层等高线图和三维图，通过研究分析图形特征，可以直观且相对准确地识别煤层中的断层。
Description
技术领域
本申请属于地质勘探技术领域，具体涉及一种煤矿断层识别方法及系统。
背景技术
煤矿地质条件复杂多变，未知因素多，巷道开掘和工作面回采过程中经常遇见断层、破碎带等构造。由于地应力影响，断层附近的煤体和岩体破碎，漏顶严重，施工困难，容易透水，安全威胁大，产量低，采煤工作面不能走正规循环，直接影响安全与生产。尤其是工作面突遇落差较大断层。为确保施工安全，不得已常常采取工作面搬家、重新开切眼或局部补眼，造成丢三角煤，致使回采率降低、采掘接替失调.造成吨煤成本增加、降低了生产效益。为此，在含断层构造较多的矿区研究工作面安全识别断层方法与技术显得尤为重要。断层是煤矿开采过程中的一种不利的地质异常体，断层的存在破坏煤层结构，减少储煤量；高瓦斯接近小断层可能急剧涌出，存在危险；还可能引发冒顶事故；同时还制约机械化作业，严重影响煤矿生产效率以及作业安全。因此，精确探测解释断层是矿井的现代化建设和安全高效的开采的重要基础。
发明内容
本申请提出了一种煤矿断层识别方法及系统，通过高密度施工的煤巷条带穿层瓦斯抽采钻孔的设计参数，建立坐标系等技术，获取煤层等高线图和三维图，通过研究分析图形特征，可以直观且相对准确地识别煤层中的断层。
为实现上述目的，本申请提供了如下方案：
一种煤矿断层识别方法，包括以下步骤：
获取煤矿区域图像数据；
基于所述图像数据，对所述图像数据进行预处理，获取煤层信息；
基于所述煤层信息，采用煤层瓦斯抽采钻孔方法识别煤矿断层。
优选的，所述获取煤矿区域图像数据的方法包括：通过数字全景钻孔摄像技术获取煤层图像数据。
优选的，所述数字全景钻孔摄像技术的方法包括：
采用深度匹配算法实现全景图像的裁切；
对所述裁切后的图像进行无缝拼接，得到完整钻孔图像。
优选的，对所述图像数据进行预处理的方法包括：通过数字图像处理技术，首先对所述完整钻孔图像进行增强处理，得到清晰的图像数据；对所述清晰的图像数据进行图像分割，提取煤矿岩层信息。
优选的，所述煤矿断层包括：落差大于50m为特大型断层，落差50--20m为大型断层，落差20--5m为中型断层，落差小于5m为小型断层。
优选的，所述采用煤层瓦斯抽采钻孔方法识别煤矿断层的方法包括：
设置煤层钻孔；
获取抽采钻孔的参数信息；
基于所述钻孔的参数信息，建立坐标系，得到煤层高线图和三维图，判断煤矿断层。
本申请还提供一种煤矿断层识别系统，包括：获取图像数据模块、预处理数据模块、煤层瓦斯抽采钻孔模块；
所述获取图像数据模块用于获取煤层图像数据；
所述预处理数据模块对所述获取图像数据模块获取的图像数据通过数字图像处理技术进行预处理，得到煤矿信息；
煤层瓦斯抽采钻孔模块用于通过煤层瓦斯抽采钻孔获取煤矿断层。
优选的，所述预处理数据模块通过数字图像处理技术进行预处理的方法包括：
对所述图像进行增强处理，得到清晰的图像数据；
对所述清晰的图像数据进行图像分割，提取煤矿岩层信息。
本申请的有益效果为：
本申请公开了一种煤矿断层识别方法及系统，通过数字全景钻孔摄像技术获取煤矿岩层数据，并且运用深度匹配算法对图像进行快速裁切，采用种子填充算法序列图像进行拼接，最后得到具有真实感的立体孔壁全景图，然后通过对全景图像的预处理，实现了煤矿数据的增强处理，以及图像分割和特征提取煤矿岩层，同时利用高密度施工的煤巷条带穿层瓦斯抽采钻孔的设计参数、坐标系建立等技术，获取煤层等高线图和三维图，通过研究分析图形特征，可以直观且相对准确地识别煤层中的断层。
附图说明
为了更清楚地说明本申请的技术方案，下面对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图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性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例一的一种煤矿断层识别方法流程示意图；
图2为本申请实施例二的一种煤矿断层识别系统结构示意图；
图3为本申请实施例一的煤层等高线示意图；
图4为本申请实施例一的煤层三维示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。
如果从厚度、硬度以及光泽度等方面发现煤岩层具有一定的变化，那么就说明在此处极有可能存在断层的状况。断层所出现的位置主要集中在测量点周围以及距离井巷开口点附近，通过这两点位置能够推测出断层的所在。断层规模不同，对生产的影响程度也不同。落差大于50m为特大型断层，落差50--20m为大型断层，落差20--5m为中型断层，落差小于5m为小型断层。
实施例一
如图1所示，为本申请实施例一的一种煤矿断层识别方法流程示意图；包括以下步骤：
获取煤矿区域图像数据；本实施例通过数字全景钻孔摄像技术获取煤层图像数据。数字全景钻孔摄像系统使用语言镜头获取孔壁内景图像。数字式钻孔摄像设备得到的是视频文件，需要将视频解码为数字图像，并对其进行一系列的图像处理。
数字全景钻孔摄像技术的方法包括：全景钻孔图像的展开处理是按照原始全景图和平面展开图间的投影变换关系进行。对全景钻孔图像进行图像展开处理之前，首先要确认图像所处钻孔的深度位置以及图像的方位。深度位置由深度计数设备产生并叠加到全景图像中，图像的方位是由探头上自带的罗盘指北针确定。图像展开处理会根据展开算法，将环形图像展开为矩形图像，减小全景图像的扭曲度。
采用深度匹配算法实现全景图像的裁切；本实施例中，使用改进的SIFT算法，设中心点表示SIFT特征描述符提取的特征点位置点P(t1，t2)，设半径为r，确定圆形区域为:
(x-t1)2+(x-t2)2＝r2
式中，r是控制圆形区域的半径；
在以特征点为中心的圆形区域内构造4个圆环，在每个圆环内分别计算0°～360°均匀分布的12个方向上的梯度直方图。具体统计过程为：如果某个像素点梯度方向落在梯度方向附近，则其相应的梯度高斯加权幅值就累加在这个方向上，这样就可以用梯度直方图统计出内圆梯度的累加值，再将这些梯度累加值从小到大排列。内圆的12个梯度累加值排列后作为1～12维的特征向量，次外圆梯度累加值排列后作为13～24维的特征向量，依次类推。4个同心圆环有4×12共48维特征向量作为特征点的描述符。
对裁切后的图像进行无缝拼接，得到完整钻孔图像；处理完单帧图像后，需要将序列图像进行拼接得到完整的全景图像，确定相邻图像在高度、宽度上的重叠度，去掉重叠，进行平滑连接得到全景图像。图像拼接包括：图像配准和图像融合；
图像配准：根据摄像系统的配置文件以及视频解码的成果，本实施例按照深度数据对所筛选的照片进行编号。假设有图片P1、P2，要获得两幅图的配准结果图P3，可通过种子填充的方法进行配准，步骤如下：①读取待拼接图片P1、P2；②选择图P1的0～25部分，作为待配准部分；③选择图P2的25～125部分，作为配准部分；④将配准部分的像素按照行列顺序逐一添加到待配准部分的数组中，得到配准结果图P3；⑤以图P3为待配准图像，新的图像为配准图像，找到重叠部分，按照同样的方法进行配准。
图像融合：图像融合采用加权平均值算法。在两幅图像的重叠区域中，取第一幅图像的像素值，给定权值，再类似地取出第二幅图像的像素值，给定权值；然后叠加两幅图像的像素值，在权值的约束下，实现平滑过渡。
基于图像数据，对图像数据进行预处理，获取煤层信息；通过数字图像处理技术，首先对完整钻孔图像进行增强处理，使用高斯低通滤波器先对图像进行滤波处理，把图像的高低频分量分开，经过高斯低通滤波器滤波后，图像中的低频分量会通过，利用原图像减去得到的低频分量就可得到高频分量，将得到的低频分量使用传统的直方图均衡化方法，把原图像的直方图通过灰度变换函数修正为灰度均匀分布的直方图，然后按均衡直方图修正原图像增强对比度，最后再将传统直方图均衡化的低频分量与高频分量线性加和，即可得到最终清晰的图像数据；
对清晰的图像数据进行图像分割，本实施例采用基于边缘的分割方法，首先检验出图像的局部存在间断，然后将间断的部分连成一个边界，而这些边界又把图像分为不同的区域，提取煤矿岩层信息。
基于煤层信息，采用煤层瓦斯抽采钻孔方法识别煤矿断层。一般在高突低透气性软煤层中，多采用穿层钻孔预抽煤巷条带瓦斯，通常在底板岩石或相邻煤层巷道中设钻场，从钻场打穿层钻孔至开采层，抽放瓦斯后再进入煤层掘进，从而解决瓦斯问题。
设置煤层钻孔；整个预抽范围内钻孔布置应均匀，钻孔间距由实际有效抽放半径决定，对于倾斜煤层，抽采范围为煤巷下帮至少10m，上帮至少20m，缓倾煤层则控制在两帮至少15m。
获取抽采钻孔的参数信息；抽采钻孔的参数信息，包括：钻场参数和钻孔参数，钻场参数包括钻场规格和间距，主要依赖钻机、操作空间和钻孔开口设计决定。钻孔参数包括开孔参数、终孔参数和孔深。
钻孔间距的确定依赖于瓦斯抽采影响半径，由于实际未测定影响半径，因此钻孔间距由经验数据选择为2.5m。对于钻场控制范围外的位置，在抽采巷巷帮设计穿层钻孔，每5m设计20个钻孔共设计3200个，钻孔煤段总长39120m。
基于钻孔的参数信息，建立坐标系，得到煤层高线图和三维图，判断煤矿断层。由工作面底板瓦斯抽采巷一端开始，以50m为单位建立坐标系，测定坐标系相对原点，计算施工钻孔开孔坐标和见煤点坐标，从而建立煤层等高线图和三维图，进而判断断层。利用MATLAB软件可以建立钻孔控制煤层底板的三维坐标散点图，观察图中设计钻孔与施工钻孔的排布。分析施工钻孔时，还应在相邻单元间设置一定的重叠区域，以便更完善地进行断层识别。如图3、图4所示，利用煤层瓦斯抽采钻孔进行断层识别在某煤矿回风巷所在回采工作面实际应用时得到的底板等高线图和三维图，分析可知，煤层中有断层存在，为落差约2m的正断层，走向N60E，在揭露断层后，测得正断层落差为2.2m，走向N64E，识别结果在误差范围内且相对准确。
实施例二
如图2所示，为本申请实施例二的一种煤矿断层识别系统结构示意图；包括：获取图像数据模块、预处理数据模块、煤层瓦斯抽采钻孔模块；
获取图像数据模块用于获取煤层图像数据；通过数字全景钻孔摄像技术获取煤层图像数据。数字全景钻孔摄像系统使用语言镜头获取孔壁内景图像。数字式钻孔摄像设备得到的是视频文件，需要将视频解码为数字图像，并对其进行一系列的图像处理。
预处理数据模块对所述获取图像数据模块获取的图像数据通过数字图像处理技术进行预处理，得到煤矿信息；对完整钻孔图像进行增强处理，得到清晰的图像数据；对清晰的图像数据进行图像分割，提取煤矿岩层信息。
煤层瓦斯抽采钻孔模块用于通过煤层瓦斯抽采钻孔获取煤矿断层。
以上所述的实施例仅是对本申请优选方式进行的描述，并非对本申请的范围进行限定，在不脱离本申请设计精神的前提下，本领域普通技术人员对本申请的技术方案做出的各种变形和改进，均应落入本申请权利要求书确定的保护范围内。
Claims (8)
1.一种煤矿断层识别方法，其特征在于，包括以下步骤：
获取煤矿区域图像数据；
基于所述图像数据，对所述图像数据进行预处理，获取煤层信息；
基于所述煤层信息，采用煤层瓦斯抽采钻孔方法识别煤矿断层。
2.根据权利要求1所述的一种煤矿断层识别方法，其特征在于，所述获取煤矿区域图像数据的方法包括：通过数字全景钻孔摄像技术获取煤层图像数据。
3.根据权利要求2所述的一种煤矿断层识别方法，其特征在于，所述数字全景钻孔摄像技术的方法包括：
采用深度匹配算法实现全景图像的裁切；
对所述裁切后的图像进行无缝拼接，得到完整钻孔图像。
4.根据权利要求3所述的一种煤矿断层识别方法，其特征在于，对所述图像数据进行预处理的方法包括：通过数字图像处理技术，首先对所述完整钻孔图像进行增强处理，得到清晰的图像数据；对所述清晰的图像数据进行图像分割，提取煤矿岩层信息。
5.根据权利要求1所述的一种煤矿断层识别方法，其特征在于，所述煤矿断层包括：落差大于50m为特大型断层，落差50--20m为大型断层，落差20--5m为中型断层，落差小于5m为小型断层。
6.根据权利要求1所述的一种煤矿断层识别方法，其特征在于，所述采用煤层瓦斯抽采钻孔方法识别煤矿断层的方法包括：
设置煤层钻孔；
获取抽采钻孔的参数信息；
基于所述钻孔的参数信息，建立坐标系，得到煤层高线图和三维图，判断煤矿断层。
7.一种煤矿断层识别系统，其特征在于，包括：获取图像数据模块、预处理数据模块、煤层瓦斯抽采钻孔模块；
所述获取图像数据模块用于获取煤层图像数据；
所述预处理数据模块对所述获取图像数据模块获取的图像数据通过数字图像处理技术进行预处理，得到煤矿信息；
煤层瓦斯抽采钻孔模块用于通过煤层瓦斯抽采钻孔获取煤矿断层。
8.根据权利要求7所述的一种煤矿断层识别系统，其特征在于，所述预处理数据模块通过数字图像处理技术进行预处理的方法包括：
对所述图像进行增强处理，得到清晰的图像数据；
对所述清晰的图像数据进行图像分割，提取煤矿岩层信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211677752.2A CN115861588A (zh) | 2022-12-26 | 2022-12-26 | 一种煤矿断层识别方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211677752.2A CN115861588A (zh) | 2022-12-26 | 2022-12-26 | 一种煤矿断层识别方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115861588A true CN115861588A (zh) | 2023-03-28 |
Family
ID=85654898
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211677752.2A Pending CN115861588A (zh) | 2022-12-26 | 2022-12-26 | 一种煤矿断层识别方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115861588A (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2012130138A1 (zh) * | 2011-03-30 | 2012-10-04 | 中国矿业大学 | 一种煤与瓦斯突出危险性多元信息耦合预测方法 |
| CN102998718A (zh) * | 2012-11-29 | 2013-03-27 | 中煤科工集团重庆研究院 | 煤矿瓦斯地质四维分析方法 |
| CN103136751A (zh) * | 2013-02-05 | 2013-06-05 | 电子科技大学 | 一种改进型sift图像特征匹配算法 |
| CN110689512A (zh) * | 2019-09-24 | 2020-01-14 | 中国科学院武汉岩土力学研究所 | 一种孔内全景视频环状图像快速拼接融合成图方法 |
| CN112627811A (zh) * | 2020-11-27 | 2021-04-09 | 四川古叙科技咨询服务有限公司 | 一种利用抽采钻孔进行地质构造探查的方法 |
| US20210390230A1 (en) * | 2020-06-16 | 2021-12-16 | Chongqing University | Method for Quickly Optimizing Key Mining Parameters of Outburst Coal Seam |
| CN114278362A (zh) * | 2021-12-21 | 2022-04-05 | 山西潞安环保能源开发股份有限公司 | 基于煤层瓦斯含量分级分析的高瓦斯矿井区域防突方法 |
| CN114837657A (zh) * | 2022-05-26 | 2022-08-02 | 贵州大学 | 一种煤矿井下瓦斯抽采钻孔失效评价系统 |
-
2022
- 2022-12-26 CN CN202211677752.2A patent/CN115861588A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2012130138A1 (zh) * | 2011-03-30 | 2012-10-04 | 中国矿业大学 | 一种煤与瓦斯突出危险性多元信息耦合预测方法 |
| CN102998718A (zh) * | 2012-11-29 | 2013-03-27 | 中煤科工集团重庆研究院 | 煤矿瓦斯地质四维分析方法 |
| CN103136751A (zh) * | 2013-02-05 | 2013-06-05 | 电子科技大学 | 一种改进型sift图像特征匹配算法 |
| CN110689512A (zh) * | 2019-09-24 | 2020-01-14 | 中国科学院武汉岩土力学研究所 | 一种孔内全景视频环状图像快速拼接融合成图方法 |
| US20210390230A1 (en) * | 2020-06-16 | 2021-12-16 | Chongqing University | Method for Quickly Optimizing Key Mining Parameters of Outburst Coal Seam |
| CN112627811A (zh) * | 2020-11-27 | 2021-04-09 | 四川古叙科技咨询服务有限公司 | 一种利用抽采钻孔进行地质构造探查的方法 |
| CN114278362A (zh) * | 2021-12-21 | 2022-04-05 | 山西潞安环保能源开发股份有限公司 | 基于煤层瓦斯含量分级分析的高瓦斯矿井区域防突方法 |
| CN114837657A (zh) * | 2022-05-26 | 2022-08-02 | 贵州大学 | 一种煤矿井下瓦斯抽采钻孔失效评价系统 |
Non-Patent Citations (6)
| Title |
|---|
| 吕德锐等: "钻孔图像的煤矿地质信息获取方法", 《测绘科学》, pages 2 - 3 * |
| 姚文伟等: "图像匹配算法SIFT的改进", 郑州轻工业学院学报 * |
| 崔洪庆;李德军;马宵;: "基于瓦斯抽采钻孔的煤矿瓦斯地质精细勘查", 煤田地质与勘探, no. 03 * |
| 李基述;郑思亮;叶坤辉;: "利用抽采钻孔煤层数据成像技术精查地质构造", 内蒙古煤炭经济, no. 24 * |
| 薛洪来等: "煤矿隐伏小断层的瓦斯抽采钻孔探测方法", 《煤田地质与勘探》, pages 69 - 77 * |
| 薛洪来等: "煤矿隐伏小断层的瓦斯抽采钻孔探测方法", 煤田地质与勘探, vol. 49, no. 3, pages 69 - 77 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104156965B (zh) | 一种矿井监控图像自动快速拼接方法 | |
| Hadjigeorgiou et al. | An evaluation of image analysis algorithms for constructing discontinuity trace maps | |
| CN106296678B (zh) | 基于钻孔光学成像技术的rqd分析方法 | |
| Li et al. | Automatic recognition of erosion area on the slope of tailings dam using region growing segmentation algorithm | |
| Alzubaidi et al. | Automatic fracture detection and characterization from unwrapped drill-core images using mask R–CNN | |
| CN108241772A (zh) | 考虑多重因素的裂隙承压含水层中隧道涌水量的确定方法 | |
| CN105334545A (zh) | 定向钻孔三维立体地质信息获取的方法 | |
| Yuan et al. | Digital image processing-based automatic detection algorithm of cross joint trace and its application in mining roadway excavation practice | |
| Jiang et al. | Application of canny operator threshold adaptive segmentation algorithm combined with digital image processing in tunnel face crevice extraction | |
| KR102576001B1 (ko) | 딥러닝 모델을 이용한 암반 등급을 평가하는 자동화 장치 및 방법 | |
| CN114841922A (zh) | 一种基于霍夫圆检测与透射变换算法的钻孔内壁图像展开与矫正方法 | |
| CN109635387B (zh) | 一种获取冲沟发育矿区采动坡体变形规律的方法 | |
| Du et al. | Automatic fracture detection from the images of electrical image logs using Mask R-CNN | |
| CN108460419B (zh) | 钻孔光学图像和雷达成像信息融合的裂缝参数提取方法 | |
| Li et al. | Automatic identification of the rock-soil interface and solution fissures from optical borehole images based on color features | |
| Han et al. | Automatic borehole fracture detection and characterization with tailored Faster R-CNN and simplified Hough transform | |
| CN115861588A (zh) | 一种煤矿断层识别方法及系统 | |
| CN105740818A (zh) | 一种应用于增强现实的人工标志检测方法 | |
| CN111507300B (zh) | 一种保护区内打桩、钻探行为的快速识别方法 | |
| Ge et al. | Rock joint detection from borehole imaging logs based on grey-level co-occurrence matrix and Canny edge detector | |
| CN106845498A (zh) | 结合高程的单幅山脉遥感图像滑坡泥石流检测方法 | |
| CN112634345B (zh) | 基于最小二乘法的图像特征信息提取矿井壁图像的方法 | |
| CN116524017A (zh) | 一种用于矿山井下检测识别定位系统 | |
| CN112964192A (zh) | 一种基于图像视频的工程测量在线标定方法及系统 | |
| Wu et al. | Towards automated 3D evaluation of water leakage on a tunnel face via improved GAN and self-attention DL model |
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 |