基于深度学习算法的地表采动裂缝无人机影像识别方法技术

本发明专利技术公开基于深度学习算法的地表采动裂缝无人机影像识别方法，属于图像处理技术领域，用于对地表采用裂缝进行识别，包括选取重复采动工作面对其进行裁剪为若干张小影像，随机选取裁剪的部分影像作为数据集，训练分类网络并通过添加高程信息分类网络；准备识别裂缝数据集并训练模型，最后将裂缝影像输入到训练完成获得的最优权值模型中，获得识别裂缝后的影像，调用图像处理标准库进行图像拼接，并使用地理配准工具给拼接图像设置投影信息，得到裂缝识别后的研究裂缝发育规律区域影像，分析矿区地表裂缝发育规律。本发明专利技术采用神经网络识别矿区地表裂缝精度较高，克服了卫星遥感定位技术数据时效性不强、费时费力等困难。费时费力等困难。费时费力等困难。

【技术实现步骤摘要】
基于深度学习算法的地表采动裂缝无人机影像识别方法


[0001]本专利技术公开基于深度学习算法的地表采动裂缝无人机影像识别方法，属于图像处理


技术介绍

[0002]获取地表裂缝发育规律是监测矿区地表采动损害，治理裂缝、预防灾害的重要手段之一。获取地表裂缝发育规律的传统方法以人工现场踏勘调查为主，但矿区工作面范围大，人工现场调查裂缝存在作业范围大、强度高、工作时间长、效率低、耗费成本高、受地形限制大、覆盖面不足等问题。 卫星遥感定位技术可以获取地表数据，通过对地表数据的处理分析获得地表裂缝发育情况，但是卫星遥感定位技术需要对地表数据进行处理，时效性差，无法快速准确获得某一时间裂缝情况。
[0003]当前信息化智能化技术飞速革新，智能矿山建设迅猛发展，无人机遥感技术与深度学习算法识别裂缝预期可减少矿山一线工作人员，促进实现矿山减人化、无人化，确保矿山生产本质安全，提高矿山生产效率，促进矿山智能化转型实现高质量发展。

技术实现思路

[0004]本专利技术的目的在于提供基于深度学习算法的地表采动裂缝无人机影像识别方法，以本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于深度学习算法的地表采动裂缝无人机影像识别方法，其特征在于，包括：步骤一：无人机获取矿区地表影像数据；步骤二：获得数字高程模型DEM与数字正射影像DOM；步骤三：选取重复采动工作面作为研究裂缝发育规律区域，使用ArcGIS软件对其进行裁剪为若干张小影像；步骤四：选取Resnet
‑
50神经网络与 Deeplabv3＋，其中Resnet
‑
50为残差神经网络，Deeplabv3＋是语义分割模型；步骤五：准备裂缝分类数据集，随机选取步骤三裁剪的部分影像作为数据集，数据集包含训练、测试两个文件夹，将影像按比例9：1划分为训练集和验证集，分别放在训练、测试文件夹；步骤六：训练分类网络；步骤七：DEM用函数的形式描述为：Vi=（Xi，Yi，Zi），i=1，2，3，
……
，n，式中Vi为函数形式的DEM，Xi，Yi是平面坐标，Zi是（Xi，Yi）对应的高程，数据像素值记录点位高程；通过添加高程信息分类网络，在进行有无裂缝分类之后，通过DEM给出的高程、坡度信息判断地表形态，对裂缝进行二次分类，消除山丘、建筑物产生的阴影带来的干扰，提高裂缝识别率，分析矿山地表裂缝发育规律；步骤八：准备识别裂缝数据集，随机选取步骤九分类完成的部分裂缝影像作为数据集，将数据集格式改为VOC数据集，VOC数据集是目标检测领域的标准数据集；步骤九：训练模型，模型主干网络选取mobilenet，mobilenet是轻量级的深层神经网络，基于pytorch深度学习框架，训练次数Epoch设置为358，每一次训练抓取的样本Batch
‑
size设置为4；步骤十：将步骤七分类完成后的裂缝影像...

【专利技术属性】
技术研发人员：王昆，魏博为，赵同彬，吴庚坤，王乐天，张俊阳，贾正伟，房衍志，马岩松，李政岳，谈邦兴，李纪慧，钱潇冰，
申请(专利权)人：山东科技大学，
类型：发明
国别省市：