【技术实现步骤摘要】
本专利技术涉及煤矿钻探智能识别，特别涉及一种基于计算机视觉的钻探识别和钻杆计数方法。
技术介绍
1、钻探是利用深部钻探的机械工程技术，在煤矿、油田等工业应用场景中，通常利用钻探计算来撷取实体样本，以提供实验分析和获取样本数据。以煤矿为例，在煤矿开采过程中，利用钻探获取地下水文情况和瓦斯压力在安全评估工作中起到至关重要的作用。而钻探深度估计是锁定钻探样本位置信息的关键。钻探深度估计为后续的生产规划提供有效的数据支撑，是提高生产效率和保障生产安全的重要措施。
2、然而，传统钻探作业则采用人工计算钻杆数量的方式，利用钻杆数量与钻杆长度来计算钻探深度。然而，一方面这种人工数杆的方式会浪费大量的人力成本；另一方面，通常情况下这种钻探会持续数个小时甚至数天，这种长时间简单重复工作往往会因为工人注意力不集中，导致钻探深度出错，影响工作了效率甚至造成安全隐患。
技术实现思路
1、本专利技术提供了一种基于计算机视觉的钻探识别和钻杆计数方法，解决计算机视觉对钻探的检测准确率不高、单帧图像难以较好地区分进钻和退钻操作、难以完成对钻探操作的计算的技术问题。
2、本专利技术提供了一种基于计算机视觉的钻探识别和钻杆计数方法，包括：
3、利用基于深度学习的目标检测方式对钻机进行目标区域检测，以获取钻机坐标位置和检测框尺度；
4、对所述目标区域进行扩展，并利用扩展区域进行钻机状态识别并输出钻机状态；
5、根据状态识别结果分别组成状态队列和结果队列，利用基
6、利用换杆队列事件的时间戳提取钻探识别，以确定钻探操作为进钻还是退钻。
7、进一步地，所述利用基于深度学习的目标检测方式对钻机进行目标区域检测，以获取钻机坐标位置和检测框尺度的步骤，包括：
8、采用yolo_v5为目标检测模型基座，通过带标签的钻机数据进行模型微调，训练得到钻机检测模型；
9、通过相机采集到t时刻钻探图像it，并对其进行下采样，利用钻机检测模型对钻机进行检测，获取钻探区域的坐标和尺度，包括左上角坐标和区域长和宽，即(xt，yt，wt，ht)；
10、进一步地，所述对所述目标区域进行扩展，并利用扩展区域进行钻机状态识别并输出钻机状态的步骤，包括：
11、依据钻机检测区域结果(xt，yt，wt，ht)，将钻杆识别新区域得其左上角坐标位置为(max(0，xt-wt)，max(0，yt-ht))，长宽为(3wt，2ht)，对it中该区域的图像进行裁剪，获得图像i’t；
12、利用钻机状态识别模型对图像i’t进行钻机状态识别，判断钻机为有钻杆状态或无钻杆状态，得钻机状态类型ct，其中ct＝0表示无钻杆状态，ct＝1表示有钻杆状态。
13、进一步地，钻机状态识别模型包括：
14、收集若干张钻机图像，并对其中的钻机状态进行标注；其中，所述钻机状态为有钻杆状态和无钻杆状态；
15、利用深度神经网络vgg16对标注好的钻机状态图像进行训练，获得钻机状态识别模型。
16、进一步地，所述根据状态识别结果分别组成状态队列和结果队列，利用基于滑动窗的检测方式进行换杆检测和钻杆计数的步骤，包括：
17、结合对t时刻图像的检测与识别结果，得到rt＝(xt，yt，wt，ht，ct)；
18、将rt插入检测结果队列，得到新的检测结果队列为r＝r.push(rt)，将ct插入检测类型队列，得到新的钻杆类型队列为c＝c.push(ct)；其中，push()函数表示将数据插入队列尾部，r和c队列用于后续的钻杆计数和钻探分类；
19、设滑动窗长度为k，钻杆计数为n，n初始为0；当前滑动窗位置为i；
20、判断滑动窗是否超出队列，即i+k-1是否大于队列长度，如果超出则终止检测；否则利用滑动窗获得c序列的子序列{ci，ci+1，…，ci+k-1}，并针对子序列进行换杆过程检测。
21、进一步地，所述设滑动窗长度为k，钻杆计数为n，n初始为0；当前滑动窗位置为i的步骤之前，还包括：
22、判断是否有新的图像输入，如果是则循环执行采集钻探图像的步骤，否则执行设滑动窗长度为k，钻杆计数为n，n初始为0；当前滑动窗位置为i的步骤。
23、进一步地，所述针对子序列进行换杆过程检测的步骤，包括：
24、判断ci为0且子队列中钻杆状态为0的个数大于pk的条件是否成立，其中0＜p≤1；
25、如果换杆条件为否，则滑动窗往后移，即i＝i+1，继续执行下一个滑动窗判断；如果换杆条件为是，则钻杆计数加1，即n＝n+1，记录时间戳tn＝i。
26、进一步地，所述利用换杆队列事件的时间戳提取钻探识别，以确定钻探操作为进钻还是退钻的步骤，包括：
27、获取相应的r队列的子序列根据模型样本维度完成输入子序列维度对齐，输入钻探分类模型进行进钻和退钻的识别；
28、判断ci+k是否为0，如果为0，则i＝i+1，循环执行当前操作；如果ci+k为1，则i＝i+k，进行滑动窗换杆条件判断。
29、本专利技术的有益效果为：
30、为了提高钻探工作的生产效率，降低人工成本，本专利技术提出一种基于计算机视觉的钻探识别和钻杆计数方法，利用钻探的实际应用场景特点和光照特性，首先利用目标检测方法实现钻机目标区域检测，并对区域进行扩展，从而利用扩展区域进行钻机状态识别并输出钻机状态；通过检测和识别的结果分别组成状态队列和结果队列，利用基于滑动窗的检测方式利用钻机状态队列检测换杆事件，并利用换杆队列事件的时间戳提取钻探识别。该方法作为一种基于计算机视觉的非接触式的检测方法，可以很好地满足高精度和低成本的钻探识别和钻杆计数应用需求。
本文档来自技高网...【技术保护点】
1.一种基于计算机视觉的钻探识别和钻杆计数方法，其特征在于，包括：
2.根据权利要求1所述的基于计算机视觉的钻探识别和钻杆计数方法，其特征在于，所述利用基于深度学习的目标检测方式对钻机进行目标区域检测，以获取钻机坐标位置和检测框尺度的步骤，包括：
3.根据权利要求2所述的基于计算机视觉的钻探识别和钻杆计数方法，其特征在于，所述对所述目标区域进行扩展，并利用扩展区域进行钻机状态识别并输出钻机状态的步骤，包括：
4.根据权利要求3所述的基于计算机视觉的钻探识别和钻杆计数方法，其特征在于，钻机状态识别模型包括：
5.根据权利要求3所述的基于计算机视觉的钻探识别和钻杆计数方法，其特征在于，所述根据状态识别结果分别组成状态队列和结果队列，利用基于滑动窗的检测方式进行换杆检测和钻杆计数的步骤，包括：
6.根据权利要求5所述的基于计算机视觉的钻探识别和钻杆计数方法，其特征在于，所述设滑动窗长度为K，钻杆计数为n，n初始为0；当前滑动窗位置为i的步骤之前，还包括：
7.根据权利要求5所述的基于计算机视觉的钻探识别和钻杆计数方
8.根据权利要求7所述的基于计算机视觉的钻探识别和钻杆计数方法，其特征在于，所述利用换杆队列事件的时间戳提取钻探识别，以确定钻探操作为进钻还是退钻的步骤，包括：
...【技术特征摘要】
1.一种基于计算机视觉的钻探识别和钻杆计数方法，其特征在于，包括：
2.根据权利要求1所述的基于计算机视觉的钻探识别和钻杆计数方法，其特征在于，所述利用基于深度学习的目标检测方式对钻机进行目标区域检测，以获取钻机坐标位置和检测框尺度的步骤，包括：
3.根据权利要求2所述的基于计算机视觉的钻探识别和钻杆计数方法，其特征在于，所述对所述目标区域进行扩展，并利用扩展区域进行钻机状态识别并输出钻机状态的步骤，包括：
4.根据权利要求3所述的基于计算机视觉的钻探识别和钻杆计数方法，其特征在于，钻机状态识别模型包括：
5.根据权利要求3所述的基于计算机视觉的钻探识别和钻杆...
【专利技术属性】
技术研发人员：聂婷婷，陈红，
申请(专利权)人：无锡晨智物联科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。