一种露天矿山边坡图像裂隙参数提取方法及装置制造方法及图纸

本发明专利技术提出一种露天矿山边坡图像裂隙参数提取方法，涉及图像识别和矿业地质建模技术领域。通过无人机对露天矿山边坡进行航拍，建立边坡图像数据集，将图像中的裂隙预处理形成标签图，建立裂隙图像训练集，采用改进U

【技术实现步骤摘要】
一种露天矿山边坡图像裂隙参数提取方法及装置


[0001]本专利技术涉及图像识别和矿业地质建模
，特别是指一种露天矿山边坡图像裂隙参数提取方法及装置。

技术介绍

[0002]露天矿山边坡岩体上的裂隙分布情况是影响边坡稳定性的主要因素之一，因此如何精准、快捷的对岩体裂隙参数进行测量至关重要。目前矿山主要利用的方法是工人通过曲线板、皮尺和罗盘等测量仪器对露天边坡裸露的岩体裂隙进行测量，此方法工作量大且存在一定的局限性，如某些高陡边坡人工无法测量、测量范围和精度受限、获取信息不够全面等，影响边坡稳定性分析的准确性。
[0003]随着无人机倾斜摄影技术的成熟，可以不受地形限制采集边坡图像照片，再基于人工智能和图像处理技术如边缘检测，自适应阈值，卷积神经网络等对裂隙进行识别，但此类方法需要人工设置经验参数，鲁棒性较差，难以排除边坡图像中复杂的岩体结构、存在阴影遮挡的结构面、颜色暗淡的岩石土体等干扰，不具备泛化性。

技术实现思路

[0004]针对现有技术中矿山地质人工测量裂隙方法受地形限制工作量大，精度不高的问题，本专利技术提出了一种露天矿山边坡图像裂隙参数提取方法及装置。
[0005]为解决上述技术问题，本专利技术提供如下技术方案：一方面，提供了一种露天矿山边坡图像裂隙参数提取方法，该方法应用于电子设备，包括以下步骤：S1：对露天矿山边坡进行边坡图像采集并提取边坡图像数据；对边坡图像进行图像数量扩充；S2:对扩充后的边坡图像进行预处理，获得裂隙标签图；根据裂隙标签图和扩充后的边坡图像建立裂隙图像训练集；S3: 选取改进U
‑
net网络，通过所述裂隙图像训练集对改进U
‑
net网络进行训练，直至改进U
‑
net网络收敛；将收敛后的网络参数保存为裂隙识别模型的参数，获得裂隙识别模型；S4:通过裂隙识别模型对待识别的边坡图像进行识别，提取待识别的边坡图像中裂隙像素的信息；对裂隙像素的信息与边坡图像数据进行解算，获得裂隙迹的几何参数，完成露天矿边坡图像裂隙参数提取。
[0006]可选地，步骤S1包括，对露天矿山边坡进行边坡图像采集并提取边坡图像数据；对边坡图像进行图像数量扩充，包括：S11：通过小型无人机对露天矿山边坡进行航拍，采集边坡图像；S12：提取边坡图像数据，边坡图像数据包括：GPS坐标参数和航拍相机姿态参数；S13：将采集到的边坡图像通过数据强化的方式进行图像数量扩充。
[0007]可选地，步骤S11中，通过小型无人机对露天矿山边坡进行航拍，包括：对小型无人机航拍的航线进行规划，使用无人机倾斜摄影方法对露天矿山边坡进行航拍；航线规划参数包括：航向重叠率，旁向重叠率，飞行相对高度，航线长度等，航拍覆盖整个待测的露天矿山边坡。
[0008]可选地，步骤S13中，将采集到的边坡图像通过数据强化的方式进行图像数量扩充，包括：将采集到的边坡图像统一处理为512
×
512像素大小的图像，通过随机图像旋转、变形、缩放以及生成噪声的数据增强操作，将图像数量扩充至原来数量N倍，其中N≥10。
[0009]可选地，步骤S2中，对扩充后的边坡图像进行预处理，获得裂隙标签图，根据裂隙标签图和扩充后的边坡图像建立裂隙图像训练集，包括：S21：对扩充后的边坡图像进行图像灰度化、高斯滤波、二值化处理以及边缘检测，得到裂隙标签图；S22：根据裂隙标签图和扩充后的边坡图像建立裂隙图像训练集。
[0010]可选地，步骤S3中，选取改进U
‑
net网络，通过所述裂隙图像训练集对改进U
‑
net网络进行训练，直至改进U
‑
net网络收敛，将收敛后的网络参数保存为裂隙识别模型的参数，获得裂隙识别模型，包括：S31：采用改进U
‑
net网络，通过归一化处理对裂隙图像训练集进行处理并输入至改进U
‑
net网络；S32：提取裂隙图像的多尺度裂隙特征；S33：采用sigmoid函数作为输出端的激活函数，将线性输入转化为非线性输出，输出裂隙图像特征；S34：采用二元交叉损失熵BCE判断模型改进U
‑
net网络是否收敛，将收敛后的网络参数保存为裂隙识别模型的参数，获得裂隙识别模型。
[0011]可选地，步骤S4中，对裂隙像素的信息与图像数据进行解算，获得裂隙迹的几何参数，完成露天矿边坡图像裂隙参数提取，包括：对边坡图像中裂隙像素的相关信息，与图像数据包含的GPS坐标信息和航拍相机姿态参数进行解算，获得裂隙迹的几何参数，完成露天矿山边坡图像裂隙参数提取；其中边坡图像中裂隙像素的相关信息包括：裂隙像素点在裂隙图像上的坐标、无人机拍摄时相机在大地坐标系下的空间位置以及空间角。
[0012]可选地，裂隙迹的几何参数包括：裂隙在露天矿山边坡上的迹长、宽度、倾斜、倾角信息。
[0013]一方面，提供了一种露天矿山边坡图像裂隙参数提取装置，该装置应用于电子设备，该装置包括：图像获取模块，用于对露天矿山边坡进行边坡图像采集并提取边坡图像数据；对边坡图像进行图像数量扩充；训练集构建模块，用于对扩充后的边坡图像进行预处理，获得裂隙标签图；根据裂隙标签图和扩充后的边坡图像建立裂隙图像训练集；模型训练模块，用于选取改进U
‑
net网络，通过所述裂隙图像训练集对改进U
‑
net网络进行训练，直至改进U
‑
net网络收敛；将收敛后的网络参数保存为裂隙识别模型的参
数，获得裂隙识别模型；图像裂隙参数提取模块，用于通过裂隙识别模型对待识别的边坡图像进行识别，提取待识别的边坡图像中裂隙像素的信息；对裂隙像素的信息与图像数据进行解算，获得裂隙迹的几何参数，完成露天矿边坡图像裂隙参数提取。
[0014]可选地，图像获取模块，用于通过小型无人机对露天矿山边坡进行航拍，采集边坡图像；提取边坡图像数据，边坡图像数据包括：GPS坐标参数和相机姿态；将采集到的边坡图像通过数据强化的方式进行图像数量扩充。
[0015]一方面，提供了一种电子设备，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条指令，所述至少一条指令由所述处理器加载并执行以实现上述一种露天矿山边坡图像裂隙参数提取方法。
[0016]一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现上述一种露天矿山边坡图像裂隙参数提取方法。
[0017]本专利技术实施例的上述技术方案至少具有如下有益效果：上述方案中，本专利技术基于深度学习的裂隙图像识别可高效快速地识别并提取露天矿山边坡上的裂隙参数，克服了由于露天矿山边坡地形因素导致的人工测量不准确等问题，改进了边坡地质信息采集的流过程，提升了边坡地质建模的精确度。
附图说明
[0018]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述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仅是本专利技术的一些实施本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种露天矿山边坡图像裂隙参数提取方法，其特征在于，包括以下步骤：S1：对露天矿山边坡进行边坡图像采集并提取边坡图像数据；对所述边坡图像进行图像数量扩充；S2:对扩充后的边坡图像进行预处理，获得裂隙标签图；根据所述裂隙标签图和扩充后的边坡图像建立裂隙图像训练集；S3: 选取改进U
‑
net网络，通过所述裂隙图像训练集对改进U
‑
net网络进行训练，直至所述改进U
‑
net网络收敛；将收敛后的网络参数保存为裂隙识别模型的参数，获得裂隙识别模型；S4:通过所述裂隙识别模型对待识别的边坡图像进行识别，提取待识别的边坡图像中裂隙像素的信息；对所述裂隙像素的信息与所述边坡图像数据进行解算，获得裂隙迹的几何参数，完成露天矿山边坡图像裂隙参数提取。2.根据权利要求1所述的方法，其特征在于，所述步骤S1中，对露天矿山边坡进行边坡图像采集并提取边坡图像数据；对所述边坡图像进行图像数量扩充，包括：S11：通过小型无人机对露天矿山边坡进行航拍，采集边坡图像；S12：提取边坡图像数据，所述边坡图像数据包括：GPS坐标参数和航拍相机姿态参数；S13：将采集到的边坡图像通过数据强化的方式进行图像数量扩充。3.根据权利要求2所述的方法，其特征在于，所述步骤S11中，通过小型无人机对露天矿山边坡进行航拍，包括：对小型无人机航拍的航线进行规划，使用无人机倾斜摄影方法对露天矿山边坡进行航拍；其中，航线规划参数包括：航向重叠率、旁向重叠率、飞行相对高度和航线长度；航拍覆盖整个待测的露天矿山边坡。4.根据权利要求2所述的方法，其特征在于，所述步骤S13中，将采集到的边坡图像通过数据强化的方式进行图像数量扩充，包括：将采集到的边坡图像统一处理为512
×
512像素大小的图像，通过随机图像旋转、变形、缩放以及生成噪声的数据增强操作，将图像数量扩充至采集数量的N倍，其中N≥10。5.根据权利要求1所述的方法，其特征在于，所述步骤S2中，对扩充后的边坡图像进行预处理，获得裂隙标签图，根据所述裂隙标签图和扩充后的边坡图像建立裂隙图像训练集，包括：S21：对扩充后的边坡图像进行图像灰度化、高斯滤波、二值化处理以及边缘检测处理，得到裂隙标签图；S22：根据所述裂隙标签图和扩充后的边坡图像建立裂隙图像训练集。6.根据权利要求1所述的方法，其特征在于，所述步骤S3中，选取改进U
‑
net网络，通过所述裂隙图像训练集对改进U
‑
net网络进行训练，直至所述改进U
‑...

【专利技术属性】
技术研发人员：黄晢航，赵怡晴，金爱兵，李海，刘洋，
申请(专利权)人：北京科技大学，
类型：发明
国别省市：