System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及煤矿自燃火灾监测,具体涉及一种煤矿采空区智能火灾监测方法和系统。
技术介绍
1、矿井火灾是煤矿常见的五大灾害之一,严重影响了煤矿的正常生产和矿工的人身安全,随着科技进步,井下矿场灾害事故率有所下降,但井下煤矿自燃火灾依然对煤矿安全开采造成威胁,而井下煤矿自燃火灾发生频率最高的地方就是煤矿采空区,造成后果最严重的地方也是煤矿采空区;随着工作面的推进,堆积条件不断发生变化,由于人员无法进入煤矿采空区内部,无法对灾害的发展过程直接观察,增加了煤矿采空区在火灾发生初期火灾监测的难度。目前,针对煤矿采空区在火灾发生初期火灾监测的方式有基于温度的火灾探测技术、基于气体的火灾探测技术、基于可见光图像的火灾探测技术;其中,基于温度的火灾探测技术存在着检测范围有限和维护工序复杂的缺陷;基于气体的火灾探测技术准确性不高,经常发生误报的情况;基于可见光图像的火灾探测技术依赖人工观察监控,人工成本较高,实际应用中常存在人员离岗而不能准确观察到火灾发生的情况,检测效果不佳;因此,如何提高煤矿采空区火灾监测准确性是目前亟需解决的问题。
技术实现思路
1、本专利技术意在提供一种煤矿采空区智能火灾监测方法和系统,针对现有煤矿采空区火灾监测方法的不足以及实际应用需求,在煤矿采空区火灾发生初期就精准快速地对火灾发生情况进行监测,提高煤矿采空区智能火灾监测能力。
2、为达到上述目的,本专利技术采用如下技术方案:
3、一种煤矿采空区智能火灾监测方法,包括:
4、s1,获取
5、s2,构建第一图像处理模型,利用所述第一图像处理模型对所述图像进行噪声弱化、亮度修正以及边缘轮廓细化,得到第一图像;
6、s3,利用图像优化算法对所述第一图像进行黑暗区域曝光度和图像清晰度调节,获得优化增强图像;
7、s4,构建火灾初步识别模型,利用所述火灾初步识别模型识别干扰物,获得火灾初步识别结果图像;
8、s5,构建火灾最终识别模型,基于所述火灾初步识别结果图像通过所述火灾最终识别模型进行煤矿采空区火灾监测。
9、本方案的原理及优点是:实际应用时,获取煤矿采空区的图像,从图像中获取煤矿采取区现场信息,为后续分析提供基础数据;煤矿采空区一般比较阴暗,由于矿灯和车灯的影响,会使得监控视频图像亮度分布不均匀,监控图像中过亮的灯光会遮盖较暗的区域,并且监控老化或者视频图像在传输过程中线路受损、受到其它设备的电磁干扰也会使得图像模糊不清、含有较多噪声、图像场景的对比度较低,因此,构建第一图像处理模型,利用所述第一图像处理模型对所述图像进行噪声弱化、亮度修正以及边缘轮廓细化,得到第一图像,进行图像增强后,能够减少干扰,更加准确的获取图像中反映的信息;为了进一步提高最后的识别度和准确度,利用图像优化算法对所述第一图像进行黑暗区域曝光度和图像清晰度调节,获得优化增强图像;然后,构建火灾初步识别模型,利用所述火灾初步识别模型识别干扰物,获得火灾初步识别结果图像;通过识别干扰物,快速排除干扰信息,有利于提高本专利技术的鲁棒性;最后,构建火灾最终识别模型,基于所述火灾初步识别结果图像通过所述火灾最终识别模型进行煤矿采空区火灾监测。本专利技术通过对煤矿采空区图像进行增强处理、智能识别干扰物以提高图像信息的准确性,利用煤矿采空区火灾发生初期的特征结合机器学习模型进行实时火灾监测,实现了在煤矿采空区火灾发生初期就精准快速地监测到火灾并发出预警。
10、优选的,作为一种改进,所述第一图像处理模型包括图像二值化算法模型、图像边缘细化算法模型和图像去噪算法模型;所述s2具体包括:
11、基于图像二值化算法模型,对所述图像进行二值化处理,得到二值化图像;基于图像边缘细化算法模型,对所述二值化图像进行处理,得到边缘细化图像;基于图像去噪算法模型,对所述边缘细化图像进行处理,得到第一图像。
12、技术效果:通过图像二值化算法、图像边缘细化算法和图像去噪算法,解决了噪声图像中容易出现局部细节色彩失真、整体视觉效果不佳的缺陷,提高了第一图像获取的准确度。
13、优选的,作为一种改进,所述图像边缘细化算法模型,满足以下公式:
14、
15、其中,q表示所述边缘细化图像,a表示二值化图像,b表示卷积核,b(x,y)表示所述二值化图像中像素点(x,y)卷积后的值。
16、技术效果:能够对图像边缘进行增强,提高图像的可视性。
17、优选的,作为一种改进,所述图像去噪算法模型,满足以下公式:
18、
19、其中,g(τ,υ)表示第一图像,(τ,υ)表示第一图像像素的坐标位置,(m,n)分别表示邻域像素点的坐标位置,f(m,n)表示(m,n)的灰度值,f(τ,υ)表示(τ,υ)的灰度值,α(τ,υ,m,n)表示边界权重因子,σd表示定义域的高斯分布标准方差,σr表示值域的高斯分布标准方差。
20、技术效果:通过上述公式将图像边缘细化和噪声去除做到最优且标准化,进一步保证本专利技术最后的识别度与准确度。
21、优选的,作为一种改进,所述图像优化算法包括:设置图像回归参数的取值范围,所述图像回归参数包括尺度、增益(y)、偏置(z)和像素裁剪比例;所述尺度表示为(β1,β2,β3),所述尺度满足β1∈[0,70]、β2∈[71,160]、β3∈[161,255];所述增益(y)满足y∈[0,40];所述偏置(z)满足:z∈[-25,25];像素裁剪比例表示为(s1,s2),所述像素裁剪比例(s1,s2)满足(s1,s2)∈[0,1]。
22、技术效果:通过从尺度、增益、偏置和像素裁剪比例等图像回归参数角度进行优化,便于改善图示信息,以提高图像质量。
23、优选的,作为一种改进,所述图像优化算法满足以下公式:
24、
25、其中,表示更新后的个体速度,ωvit表示惯性速度,a1和a2表示[0,2]内的加速常数,b1和b2表示[0,1]的随机数,pit表示个体的最优解,表示群体的最优解,表示第t次迭代时个体位置,表示第t次迭代时群体位置,表示更新后的个体位置,表示第t次迭代时个体速度,f(te)表示目标函数,te表示通过图像优化算法获得的图像,ts表示采用soben算子对te进行边缘提取后的图像,e(ts)表示ts的ε个像素强度之和,ξ表示ts像素强度高于预设阈值的像素个数,h(te)表示te的信息熵值,hi表示te的第i个强度值发生在[0,255]上的概率,ei表示第i个颜色代码的信息熵值。
26、技术效果:上述公式使煤矿采空区视频图像在不失真的前提下提高了图像的亮度、对比度,最大程度恢复了煤矿采空区原始面貌,有利于后续步骤对于火灾发生初期特征的提取,进一步保证了本专利技术的准确度和速度。
27、优选的,作为一种改进,所述火灾初步识别模型包括第一识别模型和第二识别模型;所述第一识别模型满足以下公式:
28、本文档来自技高网...
【技术保护点】
1.一种煤矿采空区智能火灾监测方法,其特征在于,包括:
2.根据权利要求1所述的一种煤矿采空区智能火灾监测方法,其特征在于,所述第一图像处理模型包括图像二值化算法模型、图像边缘细化算法模型和图像去噪算法模型;所述S2具体包括:
3.根据权利要求2所述的一种煤矿采空区智能火灾监测方法,其特征在于,所述图像边缘细化算法模型,满足以下公式:
4.根据权利要求2所述的一种煤矿采空区智能火灾监测方法,其特征在于,所述图像去噪算法模型,满足以下公式:
5.根据权利要求1所述的一种煤矿采空区智能火灾监测方法,其特征在于,所述图像优化算法包括:设置图像回归参数的取值范围,所述图像回归参数包括尺度、增益(Y)、偏置(Z)和像素裁剪比例;所述尺度表示为(β1,β2,β3),所述尺度满足β1∈[0,70]、β2∈[71,160]、β3∈[161,255];所述增益(Y)满足Y∈[0,40];所述偏置(Z)满足:Z∈[-25,25];像素裁剪比例表示为(s1,s2),所述像素裁剪比例(s1,s2)满足(s1,s2)∈[0,1]。
6.根据权利要
7.根据权利要求1所述的一种煤矿采空区智能火灾监测方法,其特征在于,所述火灾初步识别模型包括第一识别模型和第二识别模型;所述第一识别模型满足以下公式:
8.根据权利要求1所述的一种煤矿采空区智能火灾监测方法,其特征在于:所述火灾最终识别模型为支持向量机模型;所述S5具体包括:通过所述火灾初步识别结果图像,提取第一火灾特征和第二火灾特征,并建立火灾数据库;利用所述火灾数据库,训练并验证所述火灾最终识别模型;通过训练好的火灾最终识别模型,完成煤矿采空区火灾监测。
9.根据权利要求8所述的一种煤矿采空区智能火灾监测方法,其特征在于:所述第一火灾特征满足以下公式:
10.一种煤矿采空区智能火灾监测系统,其特征在于:包括输入设备、输出设备、处理器、存储器,所述输入设备、输出设备、处理器、存储器相互连接,所述存储器包括程序指令,所述程序指令用于执行权利要求1-9任一项所述的一种煤矿采空区智能火灾监测方法。
...【技术特征摘要】
1.一种煤矿采空区智能火灾监测方法,其特征在于,包括:
2.根据权利要求1所述的一种煤矿采空区智能火灾监测方法,其特征在于,所述第一图像处理模型包括图像二值化算法模型、图像边缘细化算法模型和图像去噪算法模型;所述s2具体包括:
3.根据权利要求2所述的一种煤矿采空区智能火灾监测方法,其特征在于,所述图像边缘细化算法模型,满足以下公式:
4.根据权利要求2所述的一种煤矿采空区智能火灾监测方法,其特征在于,所述图像去噪算法模型,满足以下公式:
5.根据权利要求1所述的一种煤矿采空区智能火灾监测方法,其特征在于,所述图像优化算法包括:设置图像回归参数的取值范围,所述图像回归参数包括尺度、增益(y)、偏置(z)和像素裁剪比例;所述尺度表示为(β1,β2,β3),所述尺度满足β1∈[0,70]、β2∈[71,160]、β3∈[161,255];所述增益(y)满足y∈[0,40];所述偏置(z)满足:z∈[-25,25];像素裁剪比例表示为(s1,s2),所述像素裁剪比例(s1,s2)满足(s1,s2)∈[0,1]。...
【专利技术属性】
技术研发人员:梅勇,杜云峰,谢强燕,闫凯,王海生,刘华峰,李尚国,刘国忠,徐俊,赵晓夏,陈辉,廖礼,焦彦锦,司荣军,
申请(专利权)人:中煤科工集团重庆研究院有限公司,
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。