基于人工智能的矿产边界检测方法及系统技术方案

本发明专利技术涉及矿产边界检测领域，具体涉及一种基于人工智能的矿产边界检测方法及系统。方法包括：获取待检测区域的RGB图像，根据各像素点的纹理复杂度和颜色复杂度，得到地质复杂度向量，根据RGB图像得到多尺度空间图像，根据地质复杂度向量，得到各尺度空间图像对应的聚类簇，根据各聚类簇中各像素点的地质复杂度向量，构建各聚类簇对应的图结构，根据所述图结构，得到各聚类簇对应的嵌入向量，根据所述各聚类簇对应的嵌入向量，构建多尺度无向图，将多尺度无向图输入到训练好的神经网络，得到待检测区域的矿产区域边界。本发明专利技术构建多尺度无向图对待检测区域进行处理，具有较好的抗模糊能力，同时提高了矿产边界检测过程的安全性。同时提高了矿产边界检测过程的安全性。同时提高了矿产边界检测过程的安全性。

【技术实现步骤摘要】
基于人工智能的矿产边界检测方法及系统


[0001]本专利技术涉及矿产边界检测领域，具体涉及一种基于人工智能的矿产边界检测方法及系统。

技术介绍

[0002]矿产资源是人类社会赖以生存的一种重要物质基础，是国家安全与经济发展的重要保证。露天开采的矿层，要求圈定矿体的四周边界和露天采场所及的矿体底部边界，它们是确定露天采场边界的重要依据；对地下开采的矿层，要求控制矿体走向的端部和上下边界及其延深情况。这些是确定开采井口位置、开拓巷道和采场布置等所必需的地质资料依据。传统矿产边界的获取方案基于钻探和爆破收集传感器反馈的数据，并根据数据分析进行矿层边界的确定。这类方法成本高，安全性低。

技术实现思路

[0003]为了解决传统方法检测矿产边界安全性低的问题，本专利技术的目的在于提供一种基于人工智能的矿产边界检测方法及系统，所采用的技术方案具体如下：第一方面，本专利技术提供了一种基于人工智能的矿产边界检测方法,该方法包括以下步骤：获取待检测区域的RGB图像；根据所述RGB图像中各像素点的纹理复杂度和颜色复杂度，得到各像素点的地质复杂度向量；本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的矿产边界检测方法，其特征在于，该方法包括以下步骤：获取待检测区域的RGB图像；根据所述RGB图像中各像素点的纹理复杂度和颜色复杂度，得到各像素点的地质复杂度向量；根据所述RGB图像，得到多尺度空间图像，根据各尺度空间图像中各像素点的地质复杂度向量，将地质复杂度大于设定复杂度阈值的像素点记为关键点；对各尺度空间图像对应的关键点进行聚类，得到各尺度空间图像对应的聚类簇；根据各聚类簇中各关键点的地质复杂度向量，构建各聚类簇对应的图结构，根据所述图结构，得到各聚类簇对应的嵌入向量，根据所述各聚类簇对应的嵌入向量，构建多尺度无向图；将所述多尺度无向图输入到训练好的神经网络，得到待检测区域的矿产区域边界，所述神经网络用于检测矿产区域的边界。2.根据权利要求1所述的一种基于人工智能的矿产边界检测方法，其特征在于，所述RGB图像中各像素点的纹理复杂度和颜色复杂度的计算方法包括：采用LTP三值编码对各像素点处理，得到各像素点的LTP值；根据所述各像素点的LTP值，得到各像素点的纹理复杂度；获取各像素点对应Lab空间的三个通道值，根据所述各像素点对应Lab空间的三个通道值，得到各像素点对应的颜色复杂度。3.根据权利要求2所述的一种基于人工智能的矿产边界检测方法，其特征在于，根据所述各像素点对应Lab空间的三个通道值，得到各像素点对应的颜色复杂度的方法包括：根据各像素点对应Lab空间的三个通道值，构建各像素点的颜色向量；根据各像素点的颜色向量，计算各像素点与其对应的邻域像素点的颜色差值向量；对各像素点与其对应的邻域像素点的颜色差值向量...

【专利技术属性】
技术研发人员：陈一新，
申请(专利权)人：启东亚恒机电设备科技有限公司，
类型：发明
国别省市：