一种井下辅助运输系统可视化智能管理方法技术方案

本发明专利技术提供了一种井下辅助运输系统可视化智能管理方法，涉及井下运输管理技术领域，其目的是有效降低井下事故风险

【技术实现步骤摘要】
一种井下辅助运输系统可视化智能管理方法


[0001]本专利技术涉及井下运输管理
，具体而言，涉及一种井下辅助运输系统可视化智能管理方法
。

技术介绍

[0002]井下运输一般是指用机械设备从采场的出矿点将矿石和废石运输到井底车场
、
箕斗井矿仓或地面的作业
。
[0003]如今的井下运输很多依赖于车辆等设备，在不同点之间进行装载拆卸和运输，根据井下道路类型一般会设置不同的运输工具例如矿车
、
提升机
、
传送带和绞车等
。
然而井下运输通常伴随很多危险性，例如井下运输通常需要在相对密闭的环境中进行，这可能导致通风不良和空气污染，严重可能导致氧气不足
、
有害气体积聚
、
粉尘沉积等问题，给施工带来健康风险
。
也可能有一些突发地质情况
。
以上危险事项都难以预测，若是发生很容易造成经济损失和人员损伤
。
另一方面，井下运输过程情况也依赖于人工每个节点检查，监测运输是否正常顺利，也是较为繁琐的流程
。
[0004]若是可以设计方案对井下环境进行智能化监管，可以有效降低井下事故风险并自动化监管井下运输过程
。

技术实现思路

[0005]本专利技术的目的在于提供一种井下辅助运输系统可视化智能管理方法，其可以有效降低井下事故风险
、
监管运输过程
。
[0006]本专利技术的实施例通过以下技术方案实现：
[0007]一种井下辅助运输系统可视化智能管理方法，包括以下步骤：
[0008]将井下运输路线分割为若干段路段，每一个路段的开端处路边设置有物体探测传感器，每一个路段的中间部分的路边设置有摄像装置；
[0009]进行运输时间规划，获取运输抵达每个路段的开端处的预估抵达时间；
[0010]在运输开始前
m
分钟，通过所述摄像装置检测所有路段的粉尘情况，若任意路段的粉尘情况超出阈值则发出警报停止运输，
m
为预设时间值；
[0011]通过所述物体探测传感器检查每个路段中运输是否按时抵达，若在预估抵达时间
n
分钟以后运输还未抵达对应路段，则发出警报，所述
n
为预设时间阈值
。
[0012]优选地，所述将井下运输路线分割为若干段路段的方法为按照路线类型划分，所述路线类型包括平巷
、
竖井和斜井；
[0013]沿着运输路线顺次向前，每当路线类型发生变化时记为下一个路段
。
[0014]优选地，通过所述摄像装置检测每个路段的粉尘情况的方法为，对每个路段执行以下操作：
[0015]在时间段
T
内的多个拍摄时间点周期性提取检测图像，其中
T<m/2
；
[0016]进行过滤，提取每张检测图像的粉尘像素图；
[0017]获取每张检测图像的粉尘特征；
[0018]根据所述粉尘特征判断粉尘情况
。
[0019]优选地，所述提取每张检测图像的粉尘像素图的方法为：
[0020]在安全状态拍摄多张标准图像，获取每个像素点的标准值：
[0021][0022]其中，
Thr
ij
为第
i
行第
j
列像素点的标准值，
P
为图像总张数，
p
代表每张图像的张数编号，
K
为高斯模型总数，
k
为每个高斯模型的编号，
ω
k
代表第
k
个高斯分布的权重，
ρ
()
代表混合高斯分布的概率密度函数
,
代表第
p
张图像中的第
i
行第
j
列像素点的灰度值，代表第
i
行第
j
列像素点的第
k
个高斯分布的观察值的均值，代表第
i
行第
j
列像素点的第
k
个高斯分布的观察值的协方差；
[0023]获取所述检测图像中每个像素点的检测值：
[0024][0025]其中，为拍摄时间点
t
的时候检测图像
Q
中第
i
行第
j
列像素点的检测值，代表检测图像
Q
中的第
i
行第
j
列像素点的灰度值；
[0026]获取所述检测图像中每个像素点的差值：
[0027][0028]其中，代表拍摄时间点
t
的时候检测图像
Q
中第
i
行第
j
列像素点的差值；
[0029]若超过预设阈值则该像素点置为白色，否则不作处理
。
[0030]优选地，所述获取每张检测图像的粉尘特征的方法包括：
[0031]获取拍摄时间点
t
的所述粉尘像素图的非白色像素点总数
N
t
；
[0032]将粉尘像素图划分为多个子区域，获取拍摄时间点
t
的子区域
a
的非白色像素点密度
ρ
t,a
；
[0033]获取拍摄时间点
t
的粉尘的中心：
[0034]Icenter
t
＝
1/N
t
∑i
c
；
[0035]Jcenter
t
＝
1/N
t
∑j
c
；
[0036]其中，
Icenter
t
代表拍摄时间点
t
的粉尘的中心的像素点行数，
Jcenter
t
代表拍摄时间点
t
的粉尘的几何中心的像素点列数，
∑i
c
代表所有非白色像素点的行数之和，
∑j
c
代表所有非白色像素点的列数之和
。
[0037]优选地，所述根据所述粉尘特征判断粉尘情况的方法为：
[0038]若任意所述拍摄时间点
t
的所述粉尘像素图的非白色像素点总数
N
t
超过总数阈值，则判断粉尘情况超出阈值；
[0039]若任意所述拍摄时间点
t
的子区域
a
的非白色像素点密度
ρ
t,a
相较前一拍摄时间点的变化值超出密度变化阈值，则判断粉尘情况超出阈值；
[0040]获取拍摄时间点
t
的粉尘的中心与前一时刻的粉尘本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种井下辅助运输系统可视化智能管理方法，其特征在于，包括以下步骤：将井下运输路线分割为若干段路段，每一个路段的开端处路边设置有物体探测传感器，每一个路段的中间部分的路边设置有摄像装置；进行运输时间规划，获取运输抵达每个路段的开端处的预估抵达时间；在运输开始前
m
分钟，通过所述摄像装置检测所有路段的粉尘情况，若任意路段的粉尘情况超出阈值则发出警报停止运输，
m
为预设时间值；通过所述物体探测传感器检查每个路段中运输是否按时抵达，若在预估抵达时间
n
分钟以后运输还未抵达对应路段，则发出警报，所述
n
为预设时间阈值
。2.
根据权利要求1所述的一种井下辅助运输系统可视化智能管理方法，其特征在于，所述将井下运输路线分割为若干段路段的方法为按照路线类型划分，所述路线类型包括平巷
、
竖井和斜井；沿着运输路线顺次向前，每当路线类型发生变化时记为下一个路段
。3.
根据权利要求1所述的一种井下辅助运输系统可视化智能管理方法，其特征在于，通过所述摄像装置检测每个路段的粉尘情况的方法为，对每个路段执行以下操作：在时间段
T
内的多个拍摄时间点周期性提取检测图像，其中
T<m/2
；进行过滤，提取每张检测图像的粉尘像素图；获取每张检测图像的粉尘特征；根据所述粉尘特征判断粉尘情况
。4.
根据权利要求3所述的一种井下辅助运输系统可视化智能管理方法，其特征在于，所述提取每张检测图像的粉尘像素图的方法为：在安全状态拍摄多张标准图像，获取每个像素点的标准值：其中，
Thr
ij
为第
i
行第
j
列像素点的标准值，
P
为图像总张数，
p
代表每张图像的张数编号，
K
为高斯模型总数，
k
为每个高斯模型的编号，
ω
k
代表第
k
个高斯分布的权重，
ρ
()
代表混合高斯分布的概率密度函数
,
代表第
p
张图像中的第
i
行第
j
列像素点的灰度值，代表第
i
行第
j
列像素点的第
k
个高斯分布的观察值的均值，代表第
i
行第
j
列像素点的第
k
个高斯分布的观察值的协方差；获取所述检测图像中每个像素点的检测值：其中，为拍摄时间点
t
的时候检测图像
Q
中第
i
行第
...

【专利技术属性】
技术研发人员：何立菊，刘阳，张定山，殷绍林，卓军，刘军，李建，林辉，
申请(专利权)人：四川华蓥山龙滩煤电有限责任公司，
类型：发明
国别省市：