一种基于沉陷监测的公路采空区空间几何特征识别方法技术

本发明专利技术公开了一种基于沉陷监测的公路采空区空间几何特征识别方法，包括以下步骤：

【技术实现步骤摘要】
一种基于沉陷监测的公路采空区空间几何特征识别方法


[0001]本专利技术涉及公路采空区监测
，具体来说，涉及一种基于沉陷监测的公路采空区空间几何特征识别方法
。

技术介绍

[0002]公路采空区是指在公路建设过程中，为了取得足够的基本施工条件，对采矿
、
土方和挖掘等工作所形成的砂
、
石
、
土等材料堆积物采取不同的开挖和清理措施，并将其视为一种自然资源，在这个过程中，由于部分材料无法被立即利用，留下了许多孔洞和洞穴，形成了公路采空区
。
[0003]公路采空区空间形态常见的有条带状
、
环状或原位留下的几何形态等，选择不同的开发模式需要根据采空区的实际情况作出适当的调整；采空区高程的分布主要是指其底部和顶部的高度差异，并且这种高度差异对于采空区的视觉效果和开发利用也具有较大的影响；采空区孔洞比较多，地质条件较复杂，斜坡和崩塌问题也比较突出
。
[0004]因此，在进行开发利用之前必须认真评估场地安全风险，以确保人员和设备的安全进行，通过对公路采空区进行沉陷监测，可以在第一时间发现采空区内部的变化和走样现象
。
根据监测结果，可以及时对采空区进行评估，以确保采空区的安全性，以确定采空区的沉陷深度几何特征，这些信息对于公路采空区的规划
、
开发利用和管理都具有非常重要的意义
。
故通过深入了解采空区的几何特征，找到最佳的开发利用方案，以提高采空区的经济效益是极有必要的
。
[0005]针对相关技术中的问题，目前尚未提出有效的解决方案
。

技术实现思路

[0006]针对现有技术的不足，本专利技术提供了基于沉陷监测的公路采空区空间几何特征识别方法，本专利技术采用的具体技术方案如下：
[0007]一种基于沉陷监测的公路采空区空间几何特征识别方法，该识别方法包括以下步骤：
[0008]S1、
在公路采空区监测范围内设置前端采集设备，并通过网络传输系统与中心管理系统进行连接；
[0009]S2、
对采集完成的监测数据进行预处理与数据质量评估并存储至中心管理系统内；
[0010]S3、
通过中心管理系统对历史沉陷监测数据进行收集，并通过
YOLOX
自动检测模型对历史数据进行几何特征提取；
[0011]S4、
基于卷积神经网络，将提取得到的特征作为模型参数，构建采空区空间几何特征识别模型；
[0012]S5、
将构建完成的识别模型与中心管理系统进行连接，实时输出采空区的空间几何特征识别结果；
[0013]S6、
根据识别结果，评估采空区对公路安全影响程度，并反馈至用户端
。
[0014]优选的，所述对采集完成的监测数据进行预处理与数据质量评估并存储至中心管理系统内包括以下步骤：
[0015]S21、
将采集完成的监测数据中的视频数据与文本数据进行分离，并将视频数据转换为图像数据；
[0016]S22、
对文本数据进行数据冗余
、
数据异常以及数据缺失处理；
[0017]S23、
从数据整体性
、
空间形态准确性
、
采空区高度与深度准确性结合图像数据对文本数据的质量进行评估；
[0018]S24、
对图像数据进行预处理；
[0019]S25、
将评估合格的文本数据与图像数据存储至中心管理系统内
。
[0020]优选的，所述对文本数据进行数据冗余
、
数据异常以及数据缺失处理包括以下步骤：
[0021]S221、
将位于同一水平位置的监测数据作为一个处理单元，并通过设置两个特征属性提取出所需处理的数据处理单元；
[0022]S222、
将数据处理单元中的监测数据按照时间先后顺序进行排列，并确定滑动时间窗的大小；
[0023]S223、
从第一个时间窗开始滑动，将空间形态
、
采空区高度与深度分别作为特征值，判断同一时间窗内是否有相同的数据，若存在相同记录，则选取第一条记录作为特征值的参数，并删除重复记录；
[0024]S224、
在重复值处理完成的基础上，根据空间形态
、
采空区高度与深度分别确定异常值的表现类型及其所在的特征变量；
[0025]S225、
通过遍历特征变量检索其中异常值所在的记录位置，并按索引删除整条记录，并通过构造多个决策树填充监测数据中缺失值
。
[0026]优选的，所述对图像数据进行预处理包括以下步骤：
[0027]S241、
通过分量法对原始图像数据的彩色因素进行提取，并提取彩色图像像素点的最大值；
[0028]S242、
通过平均值法提取彩色图像的平均值；
[0029]S243、
采用加权平均法将彩色图像转换为灰色图像；
[0030]S244、
通过均值算法对灰色图像进行降噪；
[0031]S245、
通过高斯双边滤波函数获取灰色图像的像素邻域信息，并采用二次泰勒级数卷积对图像边缘进行自适应增强
。
[0032]优选的，所述通过高斯双边滤波函数获取灰色图像的像素邻域信息，并采用二次泰勒级数卷积对图像边缘进行自适应增强中的像素邻域信息计算公式为：
[0033][0034]式中，
η
表示图像因子，
m
与
t
表示图像的灰度值，
n
与
a
表示图像边缘噪声队列，
θ
i
与
θ
j
表示邻域信息的差，
λ
表示彩色模式下图像的
RGB
值
。
[0035]优选的，所述通过中心管理系统对历史沉陷监测数据进行收集，并通过
YOLOX
自动
检测模型对历史数据进行几何特征提取包括以下步骤：
[0036]S31、
在历史沉陷数据中按照标签库与样本库，将样本库内的数据图像进行扩充保存为图片格式；
[0037]S32、
基于标签库与样本库构建改进型
YOLOX
自动检测模型；
[0038]S33、
根据
YOLOX
自动检测模型进行几何特征参数提取
。
[0039]优选的，根据
YOLOX
自动检测模型进行几何特征参数提取包括以下步骤：
[0040]S331、
根据
YOLOX
自动检测模型检测出采空区深度区域的圆形框的几何中心，作为沉陷区的中心位置；
[0041]S332、
对检测出的图像进本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于沉陷监测的公路采空区空间几何特征识别方法，其特征在于，该识别方法包括以下步骤：
S1、
在公路采空区监测范围内设置前端采集设备，并通过网络传输系统与中心管理系统进行连接；
S2、
对采集完成的监测数据进行预处理与数据质量评估并存储至中心管理系统内；
S3、
通过中心管理系统对历史沉陷监测数据进行收集，并通过
YOLOX
自动检测模型对历史数据进行几何特征提取；
S4、
基于卷积神经网络，将提取得到的特征作为模型参数，构建采空区空间几何特征识别模型；
S5、
将构建完成的识别模型与中心管理系统进行连接，实时输出采空区的空间几何特征识别结果；
S6、
根据识别结果，评估采空区对公路安全影响程度，并反馈至用户端
。2.
根据权利要求1所述的一种基于沉陷监测的公路采空区空间几何特征识别方法，其特征在于，所述对采集完成的监测数据进行预处理与数据质量评估并存储至中心管理系统内包括以下步骤：
S21、
将采集完成的监测数据中的视频数据与文本数据进行分离，并将视频数据转换为图像数据；
S22、
对文本数据进行数据冗余
、
数据异常以及数据缺失处理；
S23、
从数据整体性
、
空间形态准确性
、
采空区高度与深度准确性结合图像数据对文本数据的质量进行评估；
S24、
对图像数据进行预处理；
S25、
将评估合格的文本数据与图像数据存储至中心管理系统内
。3.
根据权利要求2所述的一种基于沉陷监测的公路采空区空间几何特征识别方法，其特征在于，所述对文本数据进行数据冗余
、
数据异常以及数据缺失处理包括以下步骤：
S221、
将位于同一水平位置的监测数据作为一个处理单元，并通过设置两个特征属性提取出所需处理的数据处理单元；
S222、
将数据处理单元中的监测数据按照时间先后顺序进行排列，并确定滑动时间窗的大小；
S223、
从第一个时间窗开始滑动，将空间形态
、
采空区高度与深度分别作为特征值，判断同一时间窗内是否有相同的数据，若存在相同记录，则选取第一条记录作为特征值的参数，并删除重复记录；
S224、
在重复值处理完成的基础上，根据空间形态
、
采空区高度与深度分别确定异常值的表现类型及其所在的特征变量；
S225、
通过遍历特征变量检索其中异常值所在的记录位置，并按索引删除整条记录，并通过构造多个决策树填充监测数据中缺失值
。4.
根据权利要求3所述的一种基于沉陷监测的公路采空区空间几何特征识别方法，其特征在于，所述对图像数据进行预处理包括以下步骤：
S241、
通过分量法对原始图像数据的彩色因素进行提取，并提取彩色图像像素点的最大值；
S242、
通过平均值法提取彩色图像的平均值；
S243、
采用加权平均法将彩色图像转换为灰色图像；
S244、
通过均值算法对灰色图像进行降噪；
S245、
通过高斯双边滤波函数获取灰色图像的像素邻域信息，并采用二次泰勒级数卷积对图像边缘进行自适应增强
。5.
根据权利要求4所述的一种基于沉陷监测的公路采空区空间几何特征识别方法，其特征在于，所述通过高斯双边滤波函数获取灰色图像的像素邻域信息，并采用二次泰勒级数卷积对图像边缘进行自适应增强中的像素邻域信息计算公式为：式中，
η
表示图像因子，
m
与
t
表示图像的灰度值，
n
与
a

【专利技术属性】
技术研发人员：邵景干，叶国永，刘旭玲，李森，张志远，王鹏鹏，王保林，高燕龙，
申请(专利权)人：郑州轻工业大学河南交通职业技术学院河南省交通电视中等专业学校，
类型：发明
国别省市：