基于固态激光雷达成像对煤岩界面进行识别的装置及方法制造方法及图纸

本发明专利技术涉及基于固态激光雷达成像对煤岩界面进行识别的装置及方法，属于煤岩识别技术领域。所述装置包括多个激光雷达模块、信号传输模块、数据存储模块、雷达成像模块、图像融合模块及图像识别模块；多个激光雷达模块用于向煤岩矿的同一区域发射雷达信号，得到煤岩矿同一区域的多组煤岩矿数据信息；信号传输模块用于将多组煤岩矿数据信息传输至数据存储模块；数据存储模块用于存储多组煤岩矿数据信息；雷达成像模块用于分别对每组煤岩矿数据信息进行成像，得到多个煤岩纹理图像；图像融合模块用于对多个煤岩纹理图像进行融合，得到融合后的煤岩纹理图像；图像识别模块用于对融合后的煤岩纹理图像进行归一化处理并进行识别，得出煤岩界面识别结果。

Device and Method of Coal-rock Interface Recognition Based on Solid-state Lidar Imaging

The invention relates to a device and a method for identifying coal-rock interface based on solid-state lidar imaging, belonging to the technical field of coal-rock identification. The device comprises a plurality of lidar modules, signal transmission module, data storage module, radar imaging module, image fusion module and image recognition module; multiple lidar modules are used to transmit radar signals to the same area of coal and rock mines, and obtain multiple sets of coal and rock data information in the same area of coal and rock mines; and signal transmission module is used to transmit multiple sets of coal and rock data information. To data storage module; data storage module is used to store multiple groups of coal and rock data information; radar imaging module is used to image each group of coal and rock data information separately and obtain multiple coal and rock texture images; image fusion module is used to fuse multiple coal and rock texture images to obtain fused coal and rock texture images; image recognition module is used to fuse the fused coal and rock texture images; and image recognition module is used to fuse the fused coal and rock texture images. The image is normalized and recognized, and the recognition result of coal-rock interface is obtained.

【技术实现步骤摘要】
基于固态激光雷达成像对煤岩界面进行识别的装置及方法
本专利技术涉及煤岩识别
，特别涉及一种基于固态激光雷达成像对煤岩界面进行识别的装置及方法。
技术介绍
煤岩识别即识别出煤岩对象为煤矿还是为岩石。在煤炭生产过程中,煤岩识别技术可广泛应用于滚筒采煤、掘进、放顶煤开采、原煤选研石等生产环节，对于减少采掘工作面作业人员、减轻工人劳动强度、改善作业环境、实现煤矿安全高效生产和综合机械化煤炭开采具有重要意义。现阶段，已有多种煤岩识别方法，如自然射线探测法、应力截齿法、红外探测法、有功功率监测法、震动检测法、声音检测法、粉尘检测法等。但由于煤层地质条件复杂多变,导致以上各种方法不具备普遍适用性，同时由于工作面环境恶劣、识别实时性的原因而使得这些在煤岩识别方面应用不广泛。
技术实现思路
为了解决现有的煤岩识别方法适用性较差，以及识别实时性不好的问题，一方面，本专利技术提供了一种基于固态激光雷达成像对煤岩界面进行识别的装置，所述装置包括：多个激光雷达模块、信号传输模块、数据存储模块、雷达成像模块、图像融合模块以及图像识别模块；多个激光雷达模块，用于向煤岩矿的同一区域发射雷达信号，得到煤岩矿同一区域本文档来自技高网...

【技术保护点】
1.基于固态激光雷达成像对煤岩界面进行识别的装置，其特征在于：所述装置包括多个激光雷达模块、信号传输模块、数据存储模块、雷达成像模块、图像融合模块以及图像识别模块；多个激光雷达模块，用于向煤岩矿的同一区域发射雷达信号，得到煤岩矿同一区域的多组煤岩矿数据信息，其中，所述激光雷达模块，能向煤岩矿发射雷达信号，并根据煤岩矿反射回来的反射信号得到煤岩矿数据信息；信号传输模块，用于将所述多组煤岩矿数据信息传输至数据存储模块；数据存储模块，用于存储信号传输模块传输过来的多组煤岩矿数据信息；雷达成像模块，用于调取数据存储模块存储的多组煤岩矿数据信息，并分别对每组煤岩矿数据信息进行成像，得到每组煤岩矿数据信息...

【技术特征摘要】
1.基于固态激光雷达成像对煤岩界面进行识别的装置，其特征在于：所述装置包括多个激光雷达模块、信号传输模块、数据存储模块、雷达成像模块、图像融合模块以及图像识别模块；多个激光雷达模块，用于向煤岩矿的同一区域发射雷达信号，得到煤岩矿同一区域的多组煤岩矿数据信息，其中，所述激光雷达模块，能向煤岩矿发射雷达信号，并根据煤岩矿反射回来的反射信号得到煤岩矿数据信息；信号传输模块，用于将所述多组煤岩矿数据信息传输至数据存储模块；数据存储模块，用于存储信号传输模块传输过来的多组煤岩矿数据信息；雷达成像模块，用于调取数据存储模块存储的多组煤岩矿数据信息，并分别对每组煤岩矿数据信息进行成像，得到每组煤岩矿数据信息所对应的煤岩纹理图像，即煤岩矿同一区域的多个煤岩纹理图像；图像融合模块，用于对所述多个煤岩纹理图像进行融合，得到一张融合后的煤岩纹理图像；图像识别模块，用于对所述融合后的煤岩纹理图像进行归一化处理，并对归一化处理后的图像进行识别，得出煤岩界面识别结果。2.根据权利要求1所述的基于固态激光雷达成像对煤岩界面进行识别的装置，其特征在于：每个所述激光雷达模块均包括雷达信号发射单元、雷达反射信号接收单元、雷达信号A/D转换单元；雷达信号发射单元，用于向所述煤岩矿发射雷达信号；雷达反射信号接收单元，用于接收被所述煤岩矿反射回来的反射信号；雷达信号A/D转换单元，用于对所述反射信号进行数据转换，得到煤岩矿数据信息。3.根据权利要求1所述的基于固态激光雷达成像对煤岩界面进行识别的装置，其特征在于：所述激光雷达模块为固态激光雷达。4.根据权利要求1所述的基于固态激光雷达成像对煤岩界面进行识别的装置，其特征在于：对已有的煤岩纹理图像进行归一化处理，构建全卷积神经网络模型，利用归一化处理后的已有煤岩纹理图像对全卷积神经网络模型进行训练和测试，得到训练完毕的全卷积神经网络模型；将所述训练完毕的全卷积神经网络模型载入所述图像识别模块；所述图像识别模块对所述融合后的煤岩纹理图像进行归一化处理，并将归一化处理后的图像输入至训练完毕的全卷积神经网络模型内，训练完毕的全卷积神经网络模型输出煤岩界面识别结果。5.根据权利要求4所述的基于固态激光雷达成像对煤岩界面进行识别的装置，其特征在于：所述训练完毕的全卷积神经网络模型的深度为五层，分别为第一层、第二层、第三层、第四层和第五层；第一层由卷积层C1、卷积层C2和池化层P1组成，卷积层C1和卷积层C2均包括64个大小为3*3的卷积核和一个ReLU激活函数；卷积层C1用于输入所述归一化处理后的图像，所述归一化处理后的图像像素大小为320*320*1，所述归一化处理后的图像经过卷积层C1的所有卷积核和ReLU激活函数处理后，输出特征图A1，特征图A1的像素大小为318*318*64；卷积层C2用于输入特征图A1，特征图A1经过卷积层C2的所有卷积核和ReLU激活函数处理后，输出特征图A2，特征图A2的像素大小为316*316*64；池化层P1用于输入特征图A2，并在特征图A2上划分出多个2*2的区块，并对每个区块中取最大值后，输出特征图A3，特征图A3的像素大小为158*158*64；第二层由卷积层C3、卷积层C4和池化层P2组成，卷积层C3和卷积层C4均包括128个大小为2*2的卷积核和一个ReLU激活函数；卷积层C3用于输入特征图A3，特征图A3经过卷积层C3的所有卷积核和ReLU激活函数处理后，输出特征图A4，特征图A4的像素大小为156*156*128；卷积层C4用于输入特征图A4，特征图A4经过卷积层C4的所有卷积核和ReLU激活函数处理后，输出特征图A5，特征图A5的像素大小为154*154*128；池化层P2用于输入特征图A5，并在特征图A5上划分出多个2*2的区块，并对每个区块中取最大值后，输出特征图A6，特征图A6的像素大小为77*77*128；第三层由卷积层C5和卷积层C6组成，卷积层C5和卷积层C6均包括256个大小为3*3的卷积核和一个ReLU激活函数；卷积层C5用于输入特征图A6，特征图A6经过卷积层C5的所有卷积核和ReLU激活函数处理后，输出特征图A7，特征图A7的像素大小为75*75*256；卷积层C6用于输入特征图A7，特征图A7经过卷积层C6的所有卷积核和ReLU激活函数处理后，输出特征图A8，特征图A8的像素大小为73*73*256；第四层由上采样层U1、卷积层C7和卷积层C8组成，上采样层U1包括256个大小为2*2的卷积核，卷积层C7和卷积层C8均包括128个大小为3*3的卷积核和一个ReLU激活函数；上采样层U1用于输入特征图A8，特征图A8经过上采样层U1的所有卷积核进行反卷积处理后，输出特征图A9，特征图A9的像素大小为146*146*256；卷积层C7用于输入特征图A9，特征图A9经过卷积层C7的所有卷积核和ReLU激活函数处理后，输出特征图A10，特征图A10的像素大小为144*144*128；卷积层C8用于输入特征图A10，特征图A10经过卷积层C8的所有卷积核和ReLU激活函数处理后，输出特征图A11，特征图A11的像素大小为142*142*128；第五层由上采样层U2、卷积层C9、卷积层C10和卷积层C11组成，上采样层U2包括128个大小为2*2的卷积核，卷积层C9和卷积层C10均包括64个大小为3*3的卷积核和一个ReLU激活函数，卷积层C11包括2个大小为1*1的卷积核和一个ReLU激活函数；上采样层U2用于输入特征图A11，特征图A11经过上采样层U2的所有卷积核进行反卷积处理后，输出特征图A12，特征图A12的像素大小为284*284*128；卷积层C9用于输入特征图A12，特征图A12经过卷积层C9的所有卷积核和ReLU激活函数处理后，输出特征图A13，特征图A13的像素大小为282*282*64；卷积层C10用于输入特征图A13，特征图A13经过卷积层C10的所有卷积核和ReLU激活函数处理后，输出特征图A14，特征图A14的像素大小为280*280*64；卷积层C11用于输入特征图A14，特征图A14经过卷积层C11的所有卷积核和ReLU激活函数处理后，输出特征图A15，特征图A15的像素大小为280*280*2，特征图A15的输出特征...

【专利技术属性】
技术研发人员：司垒，熊祥祥，王忠宾，谭超，闫海峰，姚新港，
申请(专利权)人：中国矿业大学，
类型：发明
国别省市：江苏,32