一种基于图像的矿渣基充填体强度智能预测系统及方法技术方案

本发明专利技术提供一种基于图像的矿渣基充填体强度智能预测系统及方法，涉及金属矿山充填采矿技术领域。主要通过图像智能预测将充填体颜色与强度建立联系，进而预测充填体原位力学参数，从而达到快速准确完成原位力学参数测试的目的。本发明专利技术只需要第一次建立充填体颜色和单轴抗压强度线性关系和回归模型，即可进行快速强度检测，将图像采集、原位强度测试和深度学习算法有机结合，进一步对矿山充填体安全性进行整体评估，推动矿山安全评估和风险识别的技术发展。术发展。术发展。

【技术实现步骤摘要】
一种基于图像的矿渣基充填体强度智能预测系统及方法


[0001]本专利技术涉及金属矿山充填采矿
，尤其涉及一种基于图像的矿渣基充填体强度智能预测系统及方法。

技术介绍

[0002]矿山充填，是有效回采矿产资源、实现矿业可持续发展的重要保障。在充填采矿法中，为保证生产作业安全，要求充填体具备较高稳定性，以充填体为主体的支撑体系能够有效控制岩层移动与变形。充填体稳定性影响着深井矿山安全生产，而充填体强度则是量化充填体稳定性的重要指标，其强度检测是对充填体稳定性评价的基础。面对我国矿山开采不断地向深部进发的总体趋势，地应力的增加使确定充填体稳定性尤为重要，近些年来，为了提高充填体质量、降低充填成本，国内部分大型现代化矿山企业开始采用矿渣基胶结料替代水泥，矿渣基胶结料拥有CO2排放量低、强度高、抗腐蚀性能好、水化放热少、成本低等优点，具有显著的经济和技术效益。面对矿渣普遍应用于充填领域的现状，如何现场评测矿渣基充填体强度对地下采矿安全性评估具有重要意义。
[0003]现场充填体的强度如何快速、准确测试，是稳定性评价的关键性问题。目前，常规充本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像的矿渣基充填体强度智能预测系统，其特征在于：该系统包括强度与图像信息采集模块、数据处理关联模块、智能模型构建模块、实测数据分析模块；所述强度与图像信息采集模块，用于实验室内进行相似实验，采集试样强度数据和拍摄原始图像；所述数据处理关联模块，用于根据所述原始图像处理所得RGB值得到颜色特征，并与强度数据建立颜色特征
‑
强度关系数据库；所述智能模型构建模块，用于构建基于前馈神经网络的分析模型，将所述颜色特征
‑
强度关系数据库输入模型，完成算法优化，得到完善后的模型；所述实测数据分析模块，用于将实际数据输入至优化完善后的模型中进行处理，得到强度预测结果。2.根据权利要求1所述的基于图像的矿渣基充填体强度智能预测系统，其特征在于：所述强度与图像信息采集模块，具备实验室常见实验器材，用于制备不同变量下充填体试样；还包括高精度力学试验机，用于准确获取试样强度参数；还包括CCD工业相机及便携式摄影箱，用于拍摄试样原始图像；便携式摄影箱内置光源；为拍摄提供标定背景环境。3.根据权利要求1所述的基于图像的矿渣基充填体强度智能预测系统，其特征在于：所述数据处理关联模块，采用彩色图像滤波法对要采集的图像进行预处理，减少图像中的噪声；根据实际情况选择伽马变换、对数变换、直方图均衡化中的任意一种算法使高分辨率RGB图片背景和充填样本之间形成明确区分，提高目标与背景的对比度，避免图像的识别混乱；通过对原始数字图像进行阈值处理得到二进制图像；所得二进制图像依托图像处理软件自行选择算法完成对图像的边缘检测及图像分割两个过程，分割以后的充填体图像通过每个颜色通道对应一个颜色直方图，获取像素值均值，作为颜色特征；颜色特征与相应充填体强度构建关联，搭建颜色特征
‑
强度关系数据库；所述颜色通道包括10个，即R、G、B通道以及G/R、G/B、B/R、(G
‑
R)/(R+G)、(G
‑
B)/(G+B)、(R
‑
B)/(B+R)、G/(R+G+B)颜色通道。4.根据权利要求1所述的基于图像的矿渣基充填体强度智能预测系统，其特征在于：所述智能模型构建模块，采用贝叶斯优化和过采样与欠采样相结合的人工采样方法，建立用于充填体颜色特征
‑
强度关系预测的前馈神经网络模型，具体为：依据颜色特征
‑
强度关系数据库，将其中的数据划分训练集与测试集；选取RGB颜色空间表述下的颜色特征作为输入参数，充填体强度为输出参数，建立前馈神经网络模型预测强度；在输入层和输出层确定后，根据实际情况的复杂程度来设定隐蔽层的数量和每个隐蔽层中的神经元数量；采用5次交叉验证交叉熵损失函数的平均值作为目标函数，采用贝叶斯优化算法进行网络优化；同时采用过采样与欠采样相结合的人工采样方法对训练集进行处理，消除数据不平衡；引入置换特征重要性算法分析输入变量的相对重要性，最终并从颜色特征中选取出最优特征组合；最后，得到优化后的前馈神经网络模型。5.根据权利要求1所述的基于图像的矿渣基充填体强度智能预测系统，其特征在于：所述实测数据分析模块，采用与强度与图像信息采集模块相同拍摄器材与条件，完成对实地待测充填体原始图像的采集工作，并经历数据处理关联模块相同步骤对原始图像完成降噪分割，并提取对应颜色特征数据；颜色特征数据随后输入至优化后的前馈神经网络模型进行处理，从而获得对充填体强度的预测结果。
6.一种基于图像的矿渣基充填体强度智能预测方法，基于权利要求1所述的基于图像的矿渣基充填体强度智能预测系统实现，其特征在于：该方法包括以下步骤：步骤1、实验室内变...

【专利技术属性】
技术研发人员：姜海强，付有，王卓然，张希巍，余孙强，席张尧，
申请(专利权)人：东北大学，
类型：发明
国别省市：