一种磷矿采空区的充填体强度的预测方法技术

本申请提供了一种磷矿采空区的充填体强度的预测方法，针对磷矿采空区的充填体强度预测需求，通过引入图像识别技术，来实现低成本

【技术实现步骤摘要】
一种磷矿采空区的充填体强度的预测方法


[0001]本申请涉及地质领域，具体涉及磷矿采空区的充填体强度的预测方法
。

技术介绍

[0002]磷矿的开采的方法分两种，对于埋藏较浅的磷矿，主要采用露天开采
。
大型采掘机械的使用，进一步使得露天采矿费用较低；对于一些埋藏较深，覆盖层剥离量太大的磷矿，则采用地下开采
。
地下开采常用的是充填采矿法，充填采矿法又可分为干式充填法
、
水砂充填法
、
胶结充填法以及湿式充填法，这些充填采矿法都可以涉及到对磷矿采空区的充填处理
。
[0003]采空区充填的主要作用是缓解采场矿山压力和减少覆岩及地表的变形破坏，在一定程度上，可以改善矿柱的受力情况，从而可以防止地面沉降，保护地表作物，充填完成后的矿道对上覆岩体具备一定的支撑作用，因此磷矿开采后，一般都会对采空区进行回填，而回填的可靠性却又与充填体的设计强度相关，故需要对充填体的强度进行判断
。
[0004]目前，充填体强度的评估主要通过室内样块试验进行，在矿区现场取样，再对试样进行单轴抗压试验，这个过程较中充填体强度的真实性难以得到保证
。
由于矿区充填与搅拌是同时进行的，搅拌质量差，因此实际充填体强度低于室内试验所测得的强度
。
[0005]尽管目前已经有不少充填体强度预测的方法，但在实际的强度预测中都会受到一定的限制，如代表性的
BP
神经网络预测
、
基于
>P
波模量的原位胶结充填体强度预测等，要么需要较长的实验周期，要么采样还会直接破坏充填体的强度
。
[0006]从而可以看到，现有技术中对于磷矿采空区的充填体强度的预测，存在着精度有限还有成本较高的缺陷
。

技术实现思路

[0007]本申请提供了磷矿采空区的充填体强度的预测方法，针对磷矿采空区的充填体强度预测需求，用于通过引入图像识别技术，来实现低成本
、
高效且高精度的充填体强度预测效果
。
[0008]本申请提供了一种磷矿采空区的充填体强度的预测方法，方法包括：
[0009]获取目标磷矿采空区所填充的充填体的初始图像数据；
[0010]将初始图像数据输入预先配置的骨料砂浆比例识别模型，以使得骨料砂浆比例识别模型对初始图像数据中充填体的骨料砂浆比例进行图像识别，并得到骨料砂浆比例识别结果，其中，骨料砂浆比例识别模型是由标注有对应骨料砂浆比例的样本充填体的图像数据训练初始模型得到的；
[0011]在预先配置的骨料砂浆比例和充填体强度之间的对应关系的基础上，结合骨料砂浆比例识别结果，预测目标磷矿采空区的充填体强度
。
[0012]在本申请第一种可能的实现方式中，将初始图像数据输入预先配置的骨料砂浆比例识别模型之前，方法还包括：
[0013]在不同磷矿采空区，采集不同时间点的样本充填体的图像数据；
[0014]在样本充填体的图像数据标注了对应骨料砂浆比例后，训练初始模型，完成训练的模型作为骨料砂浆比例识别模型
。
[0015]结合本申请第一种可能的实现方式，在本申请第二种可能的实现方式中，在不同磷矿采空区，采集不同时间点的样本充填体的图像数据，包括：
[0016]在不同磷矿采空区，采集充填后1天
、
充填后7天
、
充填后
14
天和充填后
28
天的样本充填体的图像数据
。
[0017]结合本申请第二种可能的实现方式，在本申请第三种可能的实现方式中，在不同磷矿采空区，采集充填后1天
、
充填后7天
、
充填后
14
天和充填后
28
天的样本充填体的图像数据，包括：
[0018]在不同磷矿采空区，采集充填过程中
、
充填后1天
、
充填后7天
、
充填后
14
天和充填后
28
天的样本充填体的图像数据
。
[0019]结合本申请第一种可能的实现方式，在本申请第四种可能的实现方式中，在不同磷矿采空区，采集不同时间点的样本充填体的图像数据，包括：
[0020]在不同磷矿采空区，采集不同时间点
、
不同图像质量
、
不同拍摄角度和不同环境亮度的样本充填体的图像数据
。
[0021]在本申请第五种可能的实现方式中，在预先配置的骨料砂浆比例和充填体强度之间的对应关系的基础上，结合骨料砂浆比例识别结果，预测目标磷矿采空区的充填体强度之前，方法还包括：
[0022]通过室内试验，记录骨料砂浆比例和充填体强度之间的初始对应关系；
[0023]以初始对应关系为基础，通过
BP
神经网络预测其他骨料砂浆比例对应的充填体强度，完善得到最终采用的对应关系
。
[0024]在本申请第六种可能的实现方式中，初始图像数据具体包括一起采集的平面图像数据和深度图像数据
。
[0025]从以上内容可得出，本申请具有以下的有益效果：
[0026]针对磷矿采空区的充填体强度预测需求，本申请获取目标磷矿采空区所填充的充填体的初始图像数据后，将初始图像数据输入预先配置的骨料砂浆比例识别模型，以使得骨料砂浆比例识别模型对该初始图像数据中充填体的骨料砂浆比例进行图像识别，并得到骨料砂浆比例识别结果，其中，骨料砂浆比例识别模型是由标注有对应骨料砂浆比例的样本充填体的图像数据训练初始模型得到的，接着在预先配置的骨料砂浆比例和充填体强度之间的对应关系的基础上，结合骨料砂浆比例识别结果，预测目标磷矿采空区的充填体强度，在这处理过程中，通过引入的图像识别技术，来低成本
、
高效且高精度地实现充填体的骨料砂浆比例的识别，后续则可以便捷地预测充填体强度，如此对于磷矿采矿作业中的充填体强度可以实现高性能的预测效果，提供强有力的数据支持
。
附图说明
[0027]为了更清楚地说明本申请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申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附
图
。
[0028]图1为本申请磷矿采空区的充填体强度的预测方法的一种流程示意图；
[0029]图2为本申请应用实例的一种场景示意图；
[0030]图3为本申请配置
BP
神经网络的一种场景示意图；
[0031]图4为本申请充填体强度预测结果的一种场景示意图；
具体实施方式
[0032]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚
、
...

【技术保护点】

【技术特征摘要】
1.
一种磷矿采空区的充填体强度的预测方法，其特征在于，所述方法包括：获取目标磷矿采空区所填充的充填体的初始图像数据；将所述初始图像数据输入预先配置的骨料砂浆比例识别模型，以使得所述骨料砂浆比例识别模型对所述初始图像数据中所述充填体的骨料砂浆比例进行图像识别，并得到骨料砂浆比例识别结果，其中，所述骨料砂浆比例识别模型是由标注有对应骨料砂浆比例的样本充填体的图像数据训练初始模型得到的；在预先配置的骨料砂浆比例和充填体强度之间的对应关系的基础上，结合所述骨料砂浆比例识别结果，预测所述目标磷矿采空区的充填体强度
。2.
根据权利要求1所述的方法，其特征在于，所述将所述初始图像数据输入预先配置的骨料砂浆比例识别模型之前，所述方法还包括：在不同磷矿采空区，采集不同时间点的所述样本充填体的图像数据；在所述样本充填体的图像数据标注了对应骨料砂浆比例后，训练所述初始模型，完成训练的模型作为所述骨料砂浆比例识别模型
。3.
根据权利要求2所述的方法，其特征在于，所述在不同磷矿采空区，采集不同时间点的所述样本充填体的图像数据，包括：在所述不同磷矿采空区，采集充填后1天
、
充填后7天
、
充填后
14
天和充填后
28
天的所述样本充填体的图像数据
。4.
根据权利要求3所述的方法，其特征在于，所述在所述不同磷矿采空区，采集充填后1天

【专利技术属性】
技术研发人员：王庆文，刘建，郑民总，李邵军，金剑锋，王国均，刘昶，朱宗俊，秦晋，
申请(专利权)人：湖北杉树垭矿业有限公司，
类型：发明
国别省市：