一种智能矿山地质环境信息评价方法及评价系统技术方案

本发明专利技术公开了环境信息评价技术领域的一种智能矿山地质环境信息评价方法及评价系统，其方法包括：

【技术实现步骤摘要】
一种智能矿山地质环境信息评价方法及评价系统


[0001]本专利技术属于环境信息评价
，具体是一种智能矿山地质环境信息评价方法及评价系统
。

技术介绍

[0002]近年来随着采矿工业的不断发展，采矿工业对自然生态环境造成的破坏逐渐显现，对矿山环境的治理以及矿山周边生态环境的修复尤为重要；矿山地质环境的调查评价作为制定山环境治理措施制定的重要依据，其结果准确性客观性以及其评价效率都依旧有待提高
。
[0003]为此中国专利文献
CN113780719A
提出了一种矿山地质环境综合评价方法，利用数据采集模块采集反应矿山环境信息的质
、
量特征，利用数据处理模块对采集的数据进行数字化处理，处理后的信息存储于服务器中；对数据间的联系进行分析；通过评价等级标准化模块基于运算建立评价等级的划分，建立影响因子与生态环境质量评价值之间的关系；建立矿山生态环境评价因子指标等级阈值，建立矿山生态环境综合评定等级；计算不同等级矿山环境质量综合评价值
。
本专利技术基于采集的因子数据分析，实现数据的降维，避免后期复杂计算，基于层次分析法评价种方法，评价模型简单明了，同时又具有概括性和针对性，评价结果与实际情况较为符合，降低人为因素的影响
。
[0004]上述专利通过采集更多的因子数据以及使用层次分析法有效的提高了矿山地质环境信息评价结果的准确性和客观性，但是在数据采集后，对采集数据中矿山及其周边的各评价因子进行识别时，需采用人工目视的方法进行识别，其工作效率较低，同时若识别的评价因子数量庞大易存在人工识别误差的问题
。

技术实现思路

[0005]本专利技术的目的是提供一种智能矿山地质环境信息评价方法及评价系统，能够高效的对矿山及其周边环境的评价因子进行识别，从而提高评价因子识别的效率，同时提高评价因子识别的精度
。
[0006]为了实现上述目的，本专利技术的技术方案如下：
[0007]一种智能矿山地质环境信息评价方法，包括如下步骤：
[0008]S1、
矿山特征获取；获取用于评价矿山地质环境信息的各评价因子的矿山评价图像，包括如下步骤：
[0009]S101、
获取预评价的矿山的摇感图像信息，并对矿山摇感图像信息进行清晰化处理输出清晰图像信息；
[0010]S102、
将清晰图像信息输入训练后的卷积神经网络内进行特征识别，对清晰图像信息内的矿山采空区域
、
工业广场区域
、
开采边坡区域和固体废物区域四个评价因子进行特征识别，输出特征图像信息；
[0011]S103、
分别对矿山采空区域
、
工业广场区域
、
开采边坡区域和固体废物区域进行边
缘识别，并对其进行标记，输出用于分区评价的矿山评价图像；
[0012]S2、
分区评价；基于矿山评价图像识别各区域的特征信息，并根据矿山地质环境调查评价规范对矿山各区域进行地形地貌破坏评价
、
土地资源破坏评价和地质灾害评价；
[0013]S3、
综合评价；建立层次分析模型，并将分区评价结果输入层次分析模型，最终输出综合评价结果，包括如下步骤：
S301、
将地形地貌破坏评价结果
、
土地资源破坏评价结果和地质灾害评价结果定义为综合评价的评价指标；
S302、
建立成对判断矩阵；
S303、
分别计算地形地貌破坏评价结果
、
土地资源破坏结果和地质灾害评价结果的权重量；
S304、
进行一致性检验；
S305、
计算组合权向量；
S306、
将组合全向量和各评价指标权向量加权计算输出综合评价结果；
[0014]S4、
结果输出；基于综合评价结果输出矿山地质环境评价等级和矿山地质环境改善措施
。
[0015]进一步，
S101
中清晰化处理首先对传输后的摇感图像信息进行高斯滤波处理，抑制摇杆图像信息中的噪音，再通过
OpenCV
进行图像处理，放大像素灰度值差值
。
[0016]进一步，
S1、
矿山特征获取中还对矿山的生态环境信息和地理位置信息进行获取，并将生态环境信息和地理位置信息也定义为综合评价的评价指标
。
[0017]进一步，
S2、
地质灾害评价包括滑坡灾害评价
、
泥石流灾害评价和地面塌陷灾害评价
。
[0018]进一步，
S4、
结果输出中矿山地质环境评价等级包括较轻
、
严重和较严重三个等级
。
[0019]进一步，
S4、
结果输出还将矿山评价图像进行输出；还包括
S5、
结果验证，随机抽取矿山评价图像，对
S1、
矿山特征获取的准确性进行验证
。
[0020]进一步，矿山摇感图像信息为最新的遥感影像数据，地面分辨率小于两米
。
[0021]一种智能矿山地质环境信息评价系统，包括：
[0022]矿山特征获取模块；用于获取用于评价矿山地质环境信息的各评价因子的矿山评价图像；
[0023]分区评价模块；用于基于矿山评价图像识别各区域的特征信息，并根据矿山地质环境调查评价规范对矿山各区域进行地形地貌破坏评价
、
土地资源破坏评价和地质灾害评价；
[0024]综合评价模块；用于建立层次分析模型，并将分区评价结果输入层次分析模型，最终输出综合评价结果；
[0025]结果输出模块；用于基于综合评价结果输出矿山地质环境评价等级和矿山地质环境改善措施
。
[0026]采用上述方案有以下有益效果：
[0027]1、
相较于现有技术，通过训练后的卷积神经网络对遥感图像信息中的评价因子进行识别，提高了评价因子识别的效率，同时提高了评价因子识别的精度
。
[0028]2、
本专利技术，对遥感图像信息进行清晰化处理，提高了遥感图像信息的质量，使个评价因子的细节更加清晰，从而提高评价因子识别的精度，同时提高了评价结果的准确性
。
[0029]3、
本专利技术，通过分区评价的方式，对各个评价因子进行单独评价后，再进行综合评价，从而能够获取更加具体详细的评价结果
。
[0030]4、
本专利技术，结合了矿上周围的生态环境以及矿山的地理位置，使得评价结果更符合实际情况，便于输出更准确的治理措施
。
[0031]5、
本专利技术，对评价结果进行随机抽取验证，进一步提高矿山地质环境信息评价结果的精度
。
附图说明
[0032]图1为本专利技术实施例的方法流程图；...

【技术保护点】

【技术特征摘要】
1.
一种智能矿山地质环境信息评价方法，其特征在于，包括如下步骤：
S1、
矿山特征获取；获取用于评价矿山地质环境信息的各评价因子的矿山评价图像，包括如下步骤：
S101、
获取预评价的矿山的摇感图像信息，并对矿山摇感图像信息进行清晰化处理输出清晰图像信息；
S102、
将清晰图像信息输入训练后的卷积神经网络内进行特征识别，对清晰图像信息内的矿山采空区域
、
工业广场区域
、
开采边坡区域和固体废物区域四个评价因子进行特征识别，输出特征图像信息；
S103、
分别对矿山采空区域
、
工业广场区域
、
开采边坡区域和固体废物区域进行边缘识别，并对其进行标记，输出用于分区评价的矿山评价图像；
S2、
分区评价；基于矿山评价图像识别各区域的特征信息，并根据矿山地质环境调查评价规范对矿山各区域进行地形地貌破坏评价
、
土地资源破坏评价和地质灾害评价；
S3、
综合评价；建立层次分析模型，并将分区评价结果输入层次分析模型，最终输出综合评价结果，包括如下步骤：
S301、
将地形地貌破坏评价结果
、
土地资源破坏评价结果和地质灾害评价结果定义为综合评价的评价指标；
S302、
建立成对判断矩阵；
S303、
分别计算地形地貌破坏评价结果
、
土地资源破坏结果和地质灾害评价结果的权重量；
S304、
进行一致性检验；
S305、
计算组合权向量；
S306、
将组合全向量和各评价指标权向量加权计算输出综合评价结果；
S4、
结果输出；基于综合评价结果输出矿山地质环境评价等级和矿山地质环境改善措施
。2.
根据权利要求1所述的智能矿山地质环境信息评价方法，其特征在于：...

【专利技术属性】
技术研发人员：商艳，陈华，刘海英，
申请(专利权)人：鄂尔多斯应用技术学院，
类型：发明
国别省市：