權(quán)利要求
1.露天礦山邊坡圖像裂隙參數(shù)提取方法，其特征在于，包括以下步驟：
S1：對露天礦山邊坡進(jìn)行邊坡圖像采集并提取邊坡圖像數(shù)據(jù)；對所述邊坡圖像進(jìn)行圖像數(shù)量擴(kuò)充；
S2:對擴(kuò)充后的邊坡圖像進(jìn)行預(yù)處理，獲得裂隙標(biāo)簽圖；根據(jù)所述裂隙標(biāo)簽圖和擴(kuò)充后的邊坡圖像建立裂隙圖像訓(xùn)練集；
S3: 選取改進(jìn)U-net網(wǎng)絡(luò)，通過所述裂隙圖像訓(xùn)練集對改進(jìn)U-net網(wǎng)絡(luò)進(jìn)行訓(xùn)練，直至所述改進(jìn)U-net網(wǎng)絡(luò)收斂；將收斂后的網(wǎng)絡(luò)參數(shù)保存為裂隙識別模型的參數(shù)，獲得裂隙識別模型；
S4:通過所述裂隙識別模型對待識別的邊坡圖像進(jìn)行識別，提取待識別的邊坡圖像中裂隙像素的信息；對所述裂隙像素的信息與所述邊坡圖像數(shù)據(jù)進(jìn)行解算，獲得裂隙跡的幾何參數(shù)，完成露天礦山邊坡圖像裂隙參數(shù)提取。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟S1中，對露天礦山邊坡進(jìn)行邊坡圖像采集并提取邊坡圖像數(shù)據(jù)；對所述邊坡圖像進(jìn)行圖像數(shù)量擴(kuò)充，包括：
S11：通過小型無人機(jī)對露天礦山邊坡進(jìn)行航拍，采集邊坡圖像；
S12：提取邊坡圖像數(shù)據(jù)，所述邊坡圖像數(shù)據(jù)包括：GPS坐標(biāo)參數(shù)和航拍相機(jī)姿態(tài)參數(shù)；
S13：將采集到的邊坡圖像通過數(shù)據(jù)強(qiáng)化的方式進(jìn)行圖像數(shù)量擴(kuò)充。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述步驟S11中，通過小型無人機(jī)對露天礦山邊坡進(jìn)行航拍，包括：
對小型無人機(jī)航拍的航線進(jìn)行規(guī)劃，使用無人機(jī)傾斜攝影方法對露天礦山邊坡進(jìn)行航拍；其中，航線規(guī)劃參數(shù)包括：航向重疊率、旁向重疊率、飛行相對高度和航線長度；航拍覆蓋整個待測的露天礦山邊坡。
4.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述步驟S13中，將采集到的邊坡圖像通過數(shù)據(jù)強(qiáng)化的方式進(jìn)行圖像數(shù)量擴(kuò)充，包括：
將采集到的邊坡圖像統(tǒng)一處理為512×512像素大小的圖像，通過隨機(jī)圖像旋轉(zhuǎn)、變形、縮放以及生成噪聲的數(shù)據(jù)增強(qiáng)操作，將圖像數(shù)量擴(kuò)充至采集數(shù)量的N倍，其中N≥10。
5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟S2中，對擴(kuò)充后的邊坡圖像進(jìn)行預(yù)處理，獲得裂隙標(biāo)簽圖，根據(jù)所述裂隙標(biāo)簽圖和擴(kuò)充后的邊坡圖像建立裂隙圖像訓(xùn)練集，包括：
S21：對擴(kuò)充后的邊坡圖像進(jìn)行圖像灰度化、高斯濾波、二值化處理以及邊緣檢測處理，得到裂隙標(biāo)簽圖；
S22：根據(jù)所述裂隙標(biāo)簽圖和擴(kuò)充后的邊坡圖像建立裂隙圖像訓(xùn)練集。
6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟S3中，選取改進(jìn)U-net網(wǎng)絡(luò)，通過所述裂隙圖像訓(xùn)練集對改進(jìn)U-net網(wǎng)絡(luò)進(jìn)行訓(xùn)練，直至所述改進(jìn)U-net網(wǎng)絡(luò)收斂，將收斂后的網(wǎng)絡(luò)參數(shù)保存為裂隙識別模型的參數(shù)，獲得裂隙識別模型，包括：
S31：采用改進(jìn)U-net網(wǎng)絡(luò)，通過歸一化處理對裂隙圖像訓(xùn)練集進(jìn)行處理并輸入至改進(jìn)U-net網(wǎng)絡(luò)；
S32：提取裂隙圖像的多尺度裂隙特征；
S33：采用sigmoid函數(shù)作為輸出端的激活函數(shù)，將線性輸入轉(zhuǎn)化為非線性輸出，輸出裂隙圖像特征；
S34：采用二元交叉損失熵BCE判斷改進(jìn)U-net網(wǎng)絡(luò)是否收斂，將收斂后的網(wǎng)絡(luò)參數(shù)保存為裂隙識別模型的參數(shù)，獲得裂隙識別模型。
7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述步驟S4中，對所述裂隙像素的信息與所述圖像數(shù)據(jù)進(jìn)行解算，獲得裂隙跡的幾何參數(shù)，完成露天礦邊坡圖像裂隙參數(shù)提取，包括：
對邊坡圖像中裂隙像素的相關(guān)信息，與圖像數(shù)據(jù)包含的GPS坐標(biāo)信息和航拍相機(jī)姿態(tài)參數(shù)進(jìn)行解算，獲得裂隙跡的幾何參數(shù)，完成露天礦山邊坡圖像裂隙參數(shù)提??；
其中邊坡圖像中裂隙像素的相關(guān)信息包括：裂隙像素點(diǎn)在裂隙圖像上的坐標(biāo)、無人機(jī)拍攝時相機(jī)在大地坐標(biāo)系下的空間位置以及空間角。
8.根據(jù)權(quán)利要求7所述的方法，其特征在于，所述裂隙跡的幾何參數(shù)包括：裂隙在露天礦山邊坡上的跡長、寬度、傾斜、傾角信息。
9.一種露天礦山邊坡圖像裂隙參數(shù)提取裝置，其特征在于，所述裝置適用于權(quán)利要求1-8中任意一項(xiàng)所述的方法，裝置包括：
圖像獲取模塊，用于對露天礦山邊坡進(jìn)行邊坡圖像采集并提取邊坡圖像數(shù)據(jù)；對所述邊坡圖像進(jìn)行圖像數(shù)量擴(kuò)充；
訓(xùn)練集構(gòu)建模塊，用于對擴(kuò)充后的邊坡圖像進(jìn)行預(yù)處理，獲得裂隙標(biāo)簽圖；根據(jù)所述裂隙標(biāo)簽圖和擴(kuò)充后的邊坡圖像建立裂隙圖像訓(xùn)練集；
模型訓(xùn)練模塊，用于選取改進(jìn)U-net網(wǎng)絡(luò)，通過所述裂隙圖像訓(xùn)練集對改進(jìn)U-net網(wǎng)絡(luò)進(jìn)行訓(xùn)練，直至所述改進(jìn)U-net網(wǎng)絡(luò)收斂；將收斂后的網(wǎng)絡(luò)參數(shù)保存為裂隙識別模型的參數(shù)，獲得裂隙識別模型；
圖像裂隙參數(shù)提取模塊，用于通過所述裂隙識別模型對待識別的邊坡圖像進(jìn)行識別，提取待識別的邊坡圖像中裂隙像素的信息；對所述裂隙像素的信息與所述邊坡圖像數(shù)據(jù)進(jìn)行解算，獲得裂隙跡的幾何參數(shù)，完成露天礦邊坡圖像裂隙參數(shù)提取。
10.根據(jù)權(quán)利要求9所述的裝置，其特征在于，所述圖像獲取模塊，用于通過小型無人機(jī)對露天礦山邊坡進(jìn)行航拍，采集邊坡圖像；提取邊坡圖像數(shù)據(jù)，所述邊坡圖像數(shù)據(jù)包括：GPS坐標(biāo)參數(shù)和航拍相機(jī)姿態(tài)參數(shù)；將采集到的邊坡圖像通過數(shù)據(jù)強(qiáng)化的方式進(jìn)行圖像數(shù)量擴(kuò)充。
說明書
技術(shù)領(lǐng)域
[0001]本發(fā)明涉及圖像識別和礦業(yè)地質(zhì)建模技術(shù)領(lǐng)域，特別是指一種露天礦山邊坡圖像裂隙參數(shù)提取方法及裝置。
背景技術(shù)
[0002]露天礦山邊坡巖體上的裂隙分布情況是影響邊坡穩(wěn)定性的主要因素之一，因此如何精準(zhǔn)、快捷的對巖體裂隙參數(shù)進(jìn)行測量至關(guān)重要。目前礦山主要利用的方法是工人通過曲線板、皮尺和羅盤等測量儀器對露天邊坡裸露的巖體裂隙進(jìn)行測量，此方法工作量大且存在一定的局限性，如某些高陡邊坡人工無法測量、測量范圍和精度受限、獲取信息不夠全面等，影響邊坡穩(wěn)定性分析的準(zhǔn)確性。
[0003]隨著無人機(jī)傾斜攝影技術(shù)的成熟，可以不受地形限制采集邊坡圖像照片，再基于人工智能和圖像處理技術(shù)如邊緣檢測，自適應(yīng)閾值，卷積神經(jīng)網(wǎng)絡(luò)等對裂隙進(jìn)行識別，但此類方法需要人工設(shè)置經(jīng)驗(yàn)參數(shù)，魯棒性較差，難以排除邊坡圖像中復(fù)雜的巖體結(jié)構(gòu)、存在陰影遮擋的結(jié)構(gòu)面、顏色暗淡的巖石土體等干擾，不具備泛化性。
發(fā)明內(nèi)容
[0004]針對現(xiàn)有技術(shù)中礦山地質(zhì)人工測量裂隙方法受地形限制工作量大，精度不高的問題，本發(fā)明提出了一種露天礦山邊坡圖像裂隙參數(shù)提取方法及裝置。
[0005]為解決上述技術(shù)問題，本發(fā)明提供如下技術(shù)方案：
一方面，提供了一種露天礦山邊坡圖像裂隙參數(shù)提取方法，該方法應(yīng)用于電子設(shè)備，包括以下步驟：
S1：對露天礦山邊坡進(jìn)行邊坡圖像采集并提取邊坡圖像數(shù)據(jù)；對邊坡圖像進(jìn)行圖像數(shù)量擴(kuò)充；
S2:對擴(kuò)充后的邊坡圖像進(jìn)行預(yù)處理，獲得裂隙標(biāo)簽圖；根據(jù)裂隙標(biāo)簽圖和擴(kuò)充后的邊坡圖像建立裂隙圖像訓(xùn)練集；
S3: 選取改進(jìn)U-net網(wǎng)絡(luò)，通過所述裂隙圖像訓(xùn)練集對改進(jìn)U-net網(wǎng)絡(luò)進(jìn)行訓(xùn)練，直至改進(jìn)U-net網(wǎng)絡(luò)收斂；將收斂后的網(wǎng)絡(luò)參數(shù)保存為裂隙識別模型的參數(shù)，獲得裂隙識別模型；
S4:通過裂隙識別模型對待識別的邊坡圖像進(jìn)行識別，提取待識別的邊坡圖像中裂隙像素的信息；對裂隙像素的信息與邊坡圖像數(shù)據(jù)進(jìn)行解算，獲得裂隙跡的幾何參數(shù)，完成露天礦邊坡圖像裂隙參數(shù)提取。
[0006]可選地，步驟S1包括，對露天礦山邊坡進(jìn)行邊坡圖像采集并提取邊坡圖像數(shù)據(jù)；對邊坡圖像進(jìn)行圖像數(shù)量擴(kuò)充，包括：
S11：通過小型無人機(jī)對露天礦山邊坡進(jìn)行航拍，采集邊坡圖像；
S12：提取邊坡圖像數(shù)據(jù)，邊坡圖像數(shù)據(jù)包括：GPS坐標(biāo)參數(shù)和航拍相機(jī)姿態(tài)參數(shù)；
S13：將采集到的邊坡圖像通過數(shù)據(jù)強(qiáng)化的方式進(jìn)行圖像數(shù)量擴(kuò)充。
[0007]可選地，步驟S11中，通過小型無人機(jī)對露天礦山邊坡進(jìn)行航拍，包括：
對小型無人機(jī)航拍的航線進(jìn)行規(guī)劃，使用無人機(jī)傾斜攝影方法對露天礦山邊坡進(jìn)行航拍；航線規(guī)劃參數(shù)包括：航向重疊率，旁向重疊率，飛行相對高度，航線長度等，航拍覆蓋整個待測的露天礦山邊坡。
[0008]可選地，步驟S13中，將采集到的邊坡圖像通過數(shù)據(jù)強(qiáng)化的方式進(jìn)行圖像數(shù)量擴(kuò)充，包括：
將采集到的邊坡圖像統(tǒng)一處理為512×512像素大小的圖像，通過隨機(jī)圖像旋轉(zhuǎn)、變形、縮放以及生成噪聲的數(shù)據(jù)增強(qiáng)操作，將圖像數(shù)量擴(kuò)充至原來數(shù)量N倍，其中N≥10。
[0009]可選地，步驟S2中，對擴(kuò)充后的邊坡圖像進(jìn)行預(yù)處理，獲得裂隙標(biāo)簽圖，根據(jù)裂隙標(biāo)簽圖和擴(kuò)充后的邊坡圖像建立裂隙圖像訓(xùn)練集，包括：
S21：對擴(kuò)充后的邊坡圖像進(jìn)行圖像灰度化、高斯濾波、二值化處理以及邊緣檢測，得到裂隙標(biāo)簽圖；
S22：根據(jù)裂隙標(biāo)簽圖和擴(kuò)充后的邊坡圖像建立裂隙圖像訓(xùn)練集。
[0010]可選地，步驟S3中，選取改進(jìn)U-net網(wǎng)絡(luò)，通過所述裂隙圖像訓(xùn)練集對改進(jìn)U-net網(wǎng)絡(luò)進(jìn)行訓(xùn)練，直至改進(jìn)U-net網(wǎng)絡(luò)收斂，將收斂后的網(wǎng)絡(luò)參數(shù)保存為裂隙識別模型的參數(shù)，獲得裂隙識別模型，包括：
S31：采用改進(jìn)U-net網(wǎng)絡(luò)，通過歸一化處理對裂隙圖像訓(xùn)練集進(jìn)行處理并輸入至改進(jìn)U-net網(wǎng)絡(luò)；
S32：提取裂隙圖像的多尺度裂隙特征；
S33：采用sigmoid函數(shù)作為輸出端的激活函數(shù)，將線性輸入轉(zhuǎn)化為非線性輸出，輸出裂隙圖像特征；
S34：采用二元交叉損失熵BCE判斷模型改進(jìn)U-net網(wǎng)絡(luò)是否收斂，將收斂后的網(wǎng)絡(luò)參數(shù)保存為裂隙識別模型的參數(shù)，獲得裂隙識別模型。
[0011]可選地，步驟S4中，對裂隙像素的信息與圖像數(shù)據(jù)進(jìn)行解算，獲得裂隙跡的幾何參數(shù)，完成露天礦邊坡圖像裂隙參數(shù)提取，包括：
對邊坡圖像中裂隙像素的相關(guān)信息，與圖像數(shù)據(jù)包含的GPS坐標(biāo)信息和航拍相機(jī)姿態(tài)參數(shù)進(jìn)行解算，獲得裂隙跡的幾何參數(shù)，完成露天礦山邊坡圖像裂隙參數(shù)提??；
其中邊坡圖像中裂隙像素的相關(guān)信息包括：裂隙像素點(diǎn)在裂隙圖像上的坐標(biāo)、無人機(jī)拍攝時相機(jī)在大地坐標(biāo)系下的空間位置以及空間角。
[0012]可選地，裂隙跡的幾何參數(shù)包括：裂隙在露天礦山邊坡上的跡長、寬度、傾斜、傾角信息。
[0013]一方面，提供了一種露天礦山邊坡圖像裂隙參數(shù)提取裝置，該裝置應(yīng)用于電子設(shè)備，該裝置包括：
圖像獲取模塊，用于對露天礦山邊坡進(jìn)行邊坡圖像采集并提取邊坡圖像數(shù)據(jù)；對邊坡圖像進(jìn)行圖像數(shù)量擴(kuò)充；
訓(xùn)練集構(gòu)建模塊，用于對擴(kuò)充后的邊坡圖像進(jìn)行預(yù)處理，獲得裂隙標(biāo)簽圖；根據(jù)裂隙標(biāo)簽圖和擴(kuò)充后的邊坡圖像建立裂隙圖像訓(xùn)練集；
模型訓(xùn)練模塊，用于選取改進(jìn)U-net網(wǎng)絡(luò)，通過所述裂隙圖像訓(xùn)練集對改進(jìn)U-net網(wǎng)絡(luò)進(jìn)行訓(xùn)練，直至改進(jìn)U-net網(wǎng)絡(luò)收斂；將收斂后的網(wǎng)絡(luò)參數(shù)保存為裂隙識別模型的參數(shù)，獲得裂隙識別模型；
圖像裂隙參數(shù)提取模塊，用于通過裂隙識別模型對待識別的邊坡圖像進(jìn)行識別，提取待識別的邊坡圖像中裂隙像素的信息；對裂隙像素的信息與圖像數(shù)據(jù)進(jìn)行解算，獲得裂隙跡的幾何參數(shù)，完成露天礦邊坡圖像裂隙參數(shù)提取。
[0014]可選地，圖像獲取模塊，用于通過小型無人機(jī)對露天礦山邊坡進(jìn)行航拍，采集邊坡圖像；提取邊坡圖像數(shù)據(jù)，邊坡圖像數(shù)據(jù)包括：GPS坐標(biāo)參數(shù)和相機(jī)姿態(tài)；將采集到的邊坡圖像通過數(shù)據(jù)強(qiáng)化的方式進(jìn)行圖像數(shù)量擴(kuò)充。
[0015]一方面，提供了一種電子設(shè)備，所述電子設(shè)備包括處理器和存儲器，所述存儲器中存儲有至少一條指令，所述至少一條指令由所述處理器加載并執(zhí)行以實(shí)現(xiàn)上述一種露天礦山邊坡圖像裂隙參數(shù)提取方法。
[0016]一方面，提供了一種計算機(jī)可讀存儲介質(zhì)，所述存儲介質(zhì)中存儲有至少一條指令，所述至少一條指令由處理器加載并執(zhí)行以實(shí)現(xiàn)上述一種露天礦山邊坡圖像裂隙參數(shù)提取方法。
[0017]本發(fā)明實(shí)施例的上述技術(shù)方案至少具有如下有益效果：
上述方案中，本發(fā)明基于深度學(xué)習(xí)的裂隙圖像識別可高效快速地識別并提取露天礦山邊坡上的裂隙參數(shù)，克服了由于露天礦山邊坡地形因素導(dǎo)致的人工測量不準(zhǔn)確等問題，改進(jìn)了邊坡地質(zhì)信息采集的流過程，提升了邊坡地質(zhì)建模的精確度。
附圖說明
[0018]為了更清楚地說明本發(fā)明實(shí)施例中的技術(shù)方案，下面將對實(shí)施例描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。
[0019]圖1是本發(fā)明實(shí)施例提供的一種露天礦山邊坡圖像裂隙參數(shù)提取方法的流程圖；
圖2是本發(fā)明實(shí)施例提供的一種露天礦山邊坡圖像裂隙參數(shù)提取方法的流程圖；
圖3是本發(fā)明實(shí)施例提供的一種露天礦山邊坡圖像裂隙參數(shù)提取方法的改進(jìn)U-net網(wǎng)絡(luò)的結(jié)構(gòu)示意圖；
圖4是本發(fā)明實(shí)施例提供的一種露天礦山邊坡圖像裂隙參數(shù)提取方法的基于改進(jìn)U-net網(wǎng)絡(luò)裂隙識別模型對露天礦山邊坡圖像進(jìn)行識別的效果圖；
圖5是本發(fā)明實(shí)施例提供的一種露天礦山邊坡圖像裂隙參數(shù)提取方法的解算裂隙跡長的示意圖；
圖6是本發(fā)明實(shí)施例提供的一種露天礦山邊坡圖像裂隙參數(shù)提取方法的解算裂隙傾向和傾角的示意圖；
圖7本發(fā)明實(shí)施例提供的一種露天礦山邊坡圖像裂隙參數(shù)提取裝置框圖；
圖8本發(fā)明實(shí)施例提供的一種電子設(shè)備的結(jié)構(gòu)示意圖。
具體實(shí)施方式
[0020]為使本發(fā)明要解決的技術(shù)問題、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合附圖及具體實(shí)施例進(jìn)行詳細(xì)描述。
[0021]本發(fā)明實(shí)施例提供了一種露天礦山邊坡圖像裂隙參數(shù)提取方法，該方法可以由電子設(shè)備實(shí)現(xiàn)，該電子設(shè)備可以是終端或服務(wù)器。如圖1所示的露天礦山邊坡圖像裂隙參數(shù)提取方法流程圖，該方法的處理流程可以包括如下的步驟：
S101：對露天礦山邊坡進(jìn)行邊坡圖像采集并提取邊坡圖像數(shù)據(jù)；對所述邊坡圖像進(jìn)行圖像數(shù)量擴(kuò)充；
S102:對擴(kuò)充后的邊坡圖像進(jìn)行預(yù)處理，獲得裂隙標(biāo)簽圖；根據(jù)所述裂隙標(biāo)簽圖和擴(kuò)充后的邊坡圖像建立裂隙圖像訓(xùn)練集；
S103: 選取改進(jìn)U-net網(wǎng)絡(luò)，通過所述裂隙圖像訓(xùn)練集對改進(jìn)U-net網(wǎng)絡(luò)進(jìn)行訓(xùn)練，直至所述改進(jìn)U-net網(wǎng)絡(luò)收斂；將收斂后的網(wǎng)絡(luò)參數(shù)保存為裂隙識別模型的參數(shù)，獲得裂隙識別模型；
S104:通過所述裂隙識別模型對待識別的邊坡圖像進(jìn)行識別，提取待識別的邊坡圖像中裂隙像素的信息；對裂隙像素的信息與圖像數(shù)據(jù)進(jìn)行解算，獲得裂隙跡的幾何參數(shù)，完成露天礦邊坡圖像裂隙參數(shù)提取。
[0022]可選地，步驟S101包括，對露天礦山邊坡進(jìn)行邊坡圖像采集并提取邊坡圖像數(shù)據(jù)；對所述邊坡圖像進(jìn)行圖像數(shù)量擴(kuò)充，包括：
S111：通過小型無人機(jī)對露天礦山邊坡進(jìn)行航拍，采集邊坡圖像；
S112：提取邊坡圖像數(shù)據(jù)，所述邊坡圖像數(shù)據(jù)包括：全球定位系統(tǒng) (GlobalPositioning System, GPS)坐標(biāo)參數(shù)和航拍相機(jī)姿態(tài)參數(shù)；
S113：將采集到的邊坡圖像通過數(shù)據(jù)強(qiáng)化的方式進(jìn)行圖像數(shù)量擴(kuò)充。
[0023]可選地，步驟S111中，通過小型無人機(jī)對露天礦山邊坡進(jìn)行航拍，包括：
對小型無人機(jī)航拍的航線進(jìn)行規(guī)劃，使用無人機(jī)傾斜攝影方法對露天礦山邊坡進(jìn)行航拍；航線規(guī)劃參數(shù)包括：航向重疊率，旁向重疊率，飛行相對高度，航線長度等，航拍覆蓋整個待測的露天礦山邊坡。
[0024]可選地，步驟S113中，將采集到的邊坡圖像通過數(shù)據(jù)強(qiáng)化的方式進(jìn)行圖像數(shù)量擴(kuò)充，包括：
將采集到的邊坡圖像統(tǒng)一處理為512×512像素大小的圖像，通過隨機(jī)圖像旋轉(zhuǎn)、變形、縮放以及生成噪聲的數(shù)據(jù)增強(qiáng)操作，將圖像數(shù)量擴(kuò)充至原來數(shù)量N倍，其中N≥10。
[0025]可選地，步驟S102中，對擴(kuò)充后的邊坡圖像進(jìn)行預(yù)處理，獲得裂隙標(biāo)簽圖，根據(jù)所述裂隙標(biāo)簽圖和擴(kuò)充后的邊坡圖像建立裂隙圖像訓(xùn)練集，包括：
S121：對擴(kuò)充后的邊坡圖像進(jìn)行圖像灰度化、高斯濾波、二值化處理以及邊緣檢測，得到裂隙標(biāo)簽圖；
S122根據(jù)所述裂隙標(biāo)簽圖和擴(kuò)充后的邊坡圖像建立裂隙圖像訓(xùn)練集。
[0026]可選地，步驟S103中，選取改進(jìn)U-net網(wǎng)絡(luò)，通過所述裂隙圖像訓(xùn)練集對改進(jìn)U-net網(wǎng)絡(luò)進(jìn)行訓(xùn)練，直至所述改進(jìn)U-net網(wǎng)絡(luò)收斂，將收斂后的網(wǎng)絡(luò)參數(shù)保存為裂隙識別模型的參數(shù)，獲得裂隙識別模型，包括：
S131：采用改進(jìn)U-net網(wǎng)絡(luò)，通過歸一化處理對裂隙圖像訓(xùn)練集進(jìn)行處理并輸入至改進(jìn)U-net網(wǎng)絡(luò)；
S132：提取裂隙圖像的多尺度裂隙特征；
S133：采用sigmoid函數(shù)作為輸出端的激活函數(shù)，將線性輸入轉(zhuǎn)化為非線性輸出，輸出裂隙圖像特征；
S134：采用二元交叉損失熵BCE判斷改進(jìn)U-net網(wǎng)絡(luò)是否收斂，將收斂后的網(wǎng)絡(luò)參數(shù)保存為裂隙識別模型的參數(shù)，獲得裂隙識別模型。
[0027]可選地，步驟S104中，對裂隙像素的信息與圖像數(shù)據(jù)進(jìn)行解算，獲得裂隙跡的幾何參數(shù)，完成露天礦邊坡圖像裂隙參數(shù)提取，包括：
對邊坡圖像中裂隙像素的相關(guān)信息，與圖像數(shù)據(jù)包含的GPS坐標(biāo)信息和航拍相機(jī)姿態(tài)參數(shù)進(jìn)行解算，獲得裂隙跡的幾何參數(shù)，完成露天礦山邊坡圖像裂隙參數(shù)提??；
其中邊坡圖像中裂隙像素的相關(guān)信息包括：裂隙像素點(diǎn)在裂隙圖像上的坐標(biāo)、無人機(jī)拍攝時相機(jī)在大地坐標(biāo)系下的空間位置以及空間角。
[0028]可選地，裂隙跡的幾何參數(shù)包括：裂隙在露天礦山邊坡上的跡長、寬度、傾斜、傾角信息。
[0029]本發(fā)明實(shí)施例中，基于深度學(xué)習(xí)的裂隙圖像識別可高效快速地識別并提取露天礦山邊坡上的裂隙參數(shù)，克服了由于露天礦山邊坡地形因素導(dǎo)致的人工測量不準(zhǔn)確等問題，改進(jìn)了邊坡地質(zhì)信息采集的流過程，提升了邊坡地質(zhì)建模的精確度。
[0030]本發(fā)明實(shí)施例提供了一種露天礦山邊坡圖像裂隙參數(shù)提取方法，該方法可以由電子設(shè)備實(shí)現(xiàn)，該電子設(shè)備可以是終端或服務(wù)器。如圖2所示的露天礦山邊坡圖像裂隙參數(shù)提取方法流程圖，該方法的處理流程可以包括如下的步驟：
S201：通過小型無人機(jī)對露天礦山邊坡進(jìn)行航拍，采集邊坡圖像；
一種可行的實(shí)施方式中，使用無人機(jī)傾斜攝影方法對露天礦山邊坡進(jìn)行航拍；航線規(guī)劃參數(shù)包括：航向重疊率，旁向重疊率，飛行相對高度，航線長度等，航拍覆蓋整個待測的露天礦山邊坡。
[0031]S202：提取邊坡圖像數(shù)據(jù)，所述邊坡圖像數(shù)據(jù)包括：GPS坐標(biāo)參數(shù)和航拍相機(jī)姿態(tài)參數(shù)。
[0032]S203：將采集到的邊坡圖像通過數(shù)據(jù)強(qiáng)化的方式進(jìn)行圖像數(shù)量擴(kuò)充。
[0033]一種可行的實(shí)施方式中，將采集到的邊坡圖像統(tǒng)一處理為512×512像素大小的圖像，通過隨機(jī)圖像旋轉(zhuǎn)、變形、縮放以及生成噪聲的數(shù)據(jù)增強(qiáng)操作，將圖像數(shù)量擴(kuò)充至原來數(shù)量N倍，其中N≥10。增加模型訓(xùn)練的魯棒性。
[0034]S204：對擴(kuò)充后的邊坡圖像進(jìn)行圖像灰度化、高斯濾波、二值化處理以及邊緣檢測，得到裂隙標(biāo)簽圖。
[0035]一種可行的實(shí)施方式中，邊坡圖像進(jìn)行預(yù)處理操作獲得裂隙標(biāo)簽圖過程包括圖像灰度化，高斯濾波，二值化處理，邊緣檢測，之后得到裂隙圖像標(biāo)簽圖。
[0036]一種可行的實(shí)施方式中，將邊坡圖像進(jìn)行灰度化處理，使圖像變成只有3通道的灰度圖像。
[0037]S205：根據(jù)所述裂隙標(biāo)簽圖和擴(kuò)充后的邊坡圖像建立裂隙圖像訓(xùn)練集。
[0038]S206：采用改進(jìn)U-net網(wǎng)絡(luò)，通過歸一化處理對裂隙圖像訓(xùn)練集進(jìn)行處理并輸入至改進(jìn)U-net網(wǎng)絡(luò)。
[0039]一種可行的實(shí)施方式中，改進(jìn)U-net網(wǎng)絡(luò)包括如附圖3所示，圖像輸入模塊采用歸一化處理方法對裂隙圖像數(shù)據(jù)集進(jìn)行處理并輸入至網(wǎng)絡(luò)；特征提取網(wǎng)絡(luò)，采用ResNet18（Residual Net 18, 殘差網(wǎng)絡(luò)18）為網(wǎng)絡(luò)骨架，下采樣過程為4層，將每層設(shè)置兩個殘差模塊進(jìn)行連接，用于保證圖像特征提取時保留最多的信息，每個殘差塊之間都由Batch Normaliztion、Zero padding、ReLU以及卷積核進(jìn)行連接，在下采樣時采用最大池化都縮小一倍圖像維數(shù)，翻倍圖像通道數(shù)，提取多尺度裂隙特征；上采樣過程為四層，每一層設(shè)置一個殘差模塊，通過2x2反卷積翻倍圖像維數(shù)，縮小一倍圖像通道，并融合多尺度下的裂隙特征，提取裂隙圖像特征；網(wǎng)絡(luò)輸出層，采用sigmoid函數(shù)將作為輸出端的激活函數(shù)，將線性輸入轉(zhuǎn)化為非線性輸出，用于輸出裂隙圖像特征；損失函數(shù)，采用用于判斷模型訓(xùn)練是否收斂。
[0040]S207：提取裂隙圖像的多尺度裂隙特征；
S208：采用sigmoid函數(shù)作為輸出端的激活函數(shù)，將線性輸入轉(zhuǎn)化為非線性輸出，輸出裂隙圖像特征；
S209：采用BCE（Binary CrossEntropy，二元交叉損失熵）判斷改進(jìn)U-net網(wǎng)絡(luò)是否收斂，將收斂后的網(wǎng)絡(luò)參數(shù)保存為裂隙識別模型的參數(shù)，獲得裂隙識別模型。
[0041]一種可行的實(shí)施方式中，訓(xùn)練集進(jìn)行訓(xùn)練直至網(wǎng)絡(luò)收斂過程包括：
將裂隙圖像數(shù)據(jù)集通過圖像輸入模塊加載到所述的網(wǎng)絡(luò)中，在特征提取網(wǎng)絡(luò)以ResNet18網(wǎng)絡(luò)為骨架，下采樣過程中多層采集裂隙多尺度裂隙特征，之后在上采樣過程中將采集到的裂隙特征與還原的圖像進(jìn)行拼接，通過雙線性插值使得特征圖與原始圖像尺寸相同，最后將特征圖映射到網(wǎng)絡(luò)的輸出層。
[0042]通過損失函數(shù)得到裂隙特征識別誤差，之后誤差進(jìn)行反向傳播，所述改進(jìn)U-net網(wǎng)絡(luò)基于梯度下降法調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)參數(shù),再循環(huán)之前步驟直至誤差收斂，完成網(wǎng)絡(luò)訓(xùn)練，并將收斂后的網(wǎng)絡(luò)參數(shù)保存為裂隙識別模型的參數(shù)，獲得裂隙識別模型。
[0043]S210:通過裂隙識別模型對待識別的邊坡圖像進(jìn)行識別，提取待識別的邊坡圖像中裂隙像素的信息；對裂隙像素的信息與圖像數(shù)據(jù)進(jìn)行解算，獲得裂隙跡的幾何參數(shù)，完成露天礦邊坡圖像裂隙參數(shù)提取。
[0044]一種可行的實(shí)施方式中，如圖4所示，為基于改進(jìn)U-net網(wǎng)絡(luò)裂隙識別模型對露天礦山邊坡圖像進(jìn)行識別的效果圖。
[0045]對邊坡圖像中裂隙像素的相關(guān)信息與圖像包含的GPS坐標(biāo)信息和相機(jī)姿態(tài)進(jìn)行解算，獲得裂隙跡的幾何參數(shù)，完成露天礦山邊坡圖像裂隙參數(shù)提??；
其中邊坡圖像中裂隙像素的相關(guān)信息包括：裂隙像素點(diǎn)在裂隙圖像上的坐標(biāo)、無人機(jī)拍攝時相機(jī)在大地坐標(biāo)系下的空間位置以及空間角。
[0046]一種可行的實(shí)施方式中，裂隙跡的幾何參數(shù)包括：裂隙在露天礦山邊坡上的跡長、寬度、傾斜、傾角信息。
[0047]一種可行的實(shí)施方式中，裂隙像素的相關(guān)信息與圖像包含的GPS坐標(biāo)信息和相機(jī)姿態(tài)包括裂隙像素點(diǎn)在裂隙圖像上的坐標(biāo)以及無人機(jī)拍攝時相機(jī)在大地坐標(biāo)系下的空間位置以及空間角。
[0048]通過裂隙像素點(diǎn)在裂隙圖像上的坐標(biāo)以及無人機(jī)拍攝時相機(jī)在大地坐標(biāo)系下的空間位置以及空間角計算裂隙圖像的裂隙在露天礦山邊坡上的跡長、傾向、傾角。如圖5所示，裂隙二維圖像的像素點(diǎn)坐標(biāo)為，連接形成閉合多線段的有條線段，形成線段兩端的第k個像素點(diǎn)和第個像素點(diǎn)坐標(biāo)為和，根據(jù)下述公式（1）計算線段的距離：
則根據(jù)下述公式（2）計算裂隙跡長
傾向傾角計算如附圖6所示，無人機(jī)坐標(biāo)系為xyz,邊坡空間坐標(biāo)系為XYZ，則邊坡圖像的三維坐標(biāo)為（x,y,z），取邊坡圖像中裂隙的三點(diǎn)坐標(biāo)P1(x1,y1,z1)，P2(x2,y2,z2)和P3(x3,y3,z3)，A,B,C,D為平面方程參數(shù)，平面法向量為，裂隙的傾向、傾角計算公式如下述公式（3）-（10）：
拍攝時相機(jī)投影坐標(biāo)為（X0,Y0,Z0），無人機(jī)拍攝照片時的XYZ三軸的空間角為，無人機(jī)圖片的單位標(biāo)尺長度為b,標(biāo)尺在邊坡上的長度為a，裂隙的實(shí)際空間三維坐標(biāo)(X,Y,Z)以及傾向、傾角和長度L的計算公式如下述公式（11）-（14）：
本發(fā)明實(shí)施例中，基于深度學(xué)習(xí)的裂隙圖像識別可高效快速地識別并提取露天礦山邊坡上的裂隙參數(shù)，克服了由于露天礦山邊坡地形因素導(dǎo)致的人工測量不準(zhǔn)確等問題，改進(jìn)了邊坡地質(zhì)信息采集的流過程，提升了邊坡地質(zhì)建模的精確度。
[0049]圖7據(jù)一示例性實(shí)施例示出的一種露天礦山邊坡圖像裂隙參數(shù)提取裝置框圖。參照圖7該裝置300包括：
圖像獲取模塊310，用于對露天礦山邊坡進(jìn)行邊坡圖像采集并提取邊坡圖像數(shù)據(jù)；對所述邊坡圖像進(jìn)行圖像數(shù)量擴(kuò)充；
訓(xùn)練集構(gòu)建模塊320，用于對擴(kuò)充后的邊坡圖像進(jìn)行預(yù)處理，獲得裂隙標(biāo)簽圖；根據(jù)所述裂隙標(biāo)簽圖和擴(kuò)充后的邊坡圖像建立裂隙圖像訓(xùn)練集；
模型訓(xùn)練模塊330，用于選取改進(jìn)U-net網(wǎng)絡(luò)，通過所述裂隙圖像訓(xùn)練集對改進(jìn)U-net網(wǎng)絡(luò)進(jìn)行訓(xùn)練，直至所述改進(jìn)U-net網(wǎng)絡(luò)收斂；將收斂后的網(wǎng)絡(luò)參數(shù)保存為裂隙識別模型的參數(shù)，獲得裂隙識別模型；
圖像裂隙參數(shù)提取模塊340，用于通過所述裂隙識別模型對待識別的邊坡圖像進(jìn)行識別，提取待識別的邊坡圖像中裂隙像素的信息；對裂隙像素的信息與圖像數(shù)據(jù)進(jìn)行解算，獲得裂隙跡的幾何參數(shù)，完成露天礦山邊坡圖像裂隙參數(shù)提取。
[0050]可選地，圖像獲取模塊310，用于通過小型無人機(jī)對露天礦山邊坡進(jìn)行航拍，采集邊坡圖像；提取邊坡圖像數(shù)據(jù)，所述邊坡圖像數(shù)據(jù)包括：GPS坐標(biāo)參數(shù)和航拍相機(jī)姿態(tài)參數(shù)；將采集到的邊坡圖像通過數(shù)據(jù)強(qiáng)化的方式進(jìn)行圖像數(shù)量擴(kuò)充。
[0051]可選地，圖像獲取模塊310，用于使用無人機(jī)傾斜攝影方法對露天礦山邊坡進(jìn)行航拍；航線規(guī)劃參數(shù)包括：航向重疊率，旁向重疊率，飛行相對高度，航線長度等，航拍覆蓋整個待測的露天礦山邊坡。
[0052]可選地，圖像獲取模塊310，用于將采集到的邊坡圖像統(tǒng)一處理為512×512像素大小的圖像，通過隨機(jī)圖像旋轉(zhuǎn)、變形、縮放以及生成噪聲數(shù)據(jù)增強(qiáng)操作，將圖像數(shù)量擴(kuò)充至原來數(shù)量N倍，其中N≥10。
[0053]可選地，訓(xùn)練集構(gòu)建模塊320，用于對擴(kuò)充后的邊坡圖像進(jìn)行圖像灰度化、高斯濾波、二值化處理以及邊緣檢測，得到裂隙標(biāo)簽圖；
將所述邊坡圖像進(jìn)行灰度化處理，使所述圖像變成只有3通道的灰度圖像；
根據(jù)所述裂隙標(biāo)簽圖和擴(kuò)充后的邊坡圖像建立裂隙圖像訓(xùn)練集。
[0054]可選地，模型訓(xùn)練模塊330，用于采用改進(jìn)U-net網(wǎng)絡(luò)，通過歸一化處理對裂隙圖像訓(xùn)練集進(jìn)行處理并輸入至改進(jìn)U-net網(wǎng)絡(luò)；
提取裂隙圖像的多尺度裂隙特征；
采用sigmoid函數(shù)作為輸出端的激活函數(shù)，將線性輸入轉(zhuǎn)化為非線性輸出，輸出裂隙圖像特征；
采用二元交叉損失熵BCE判斷改進(jìn)U-net網(wǎng)絡(luò)是否收斂，將收斂后的網(wǎng)絡(luò)參數(shù)保存為裂隙識別模型的參數(shù)，獲得裂隙識別模型。
[0055]可選地，圖像裂隙參數(shù)提取模塊340，用于對邊坡圖像中裂隙像素的信息，與圖像數(shù)據(jù)包含的GPS坐標(biāo)信息和航拍相機(jī)姿態(tài)參數(shù)進(jìn)行解算，獲得裂隙跡的幾何參數(shù)，完成露天礦山邊坡圖像裂隙參數(shù)提?。?/span>
其中邊坡圖像中裂隙像素的相關(guān)信息包括：裂隙像素點(diǎn)在裂隙圖像上的坐標(biāo)、無人機(jī)拍攝時相機(jī)在大地坐標(biāo)系下的空間位置以及空間角。
[0056]可選地，裂隙跡的幾何參數(shù)包括：裂隙在露天礦山邊坡上的跡長、寬度、傾斜、傾角信息。
[0057]本發(fā)明實(shí)施例中，基于深度學(xué)習(xí)的裂隙圖像識別可高效快速地識別并提取露天礦山邊坡上的裂隙參數(shù)，克服了由于露天礦山邊坡地形因素導(dǎo)致的人工測量不準(zhǔn)確等問題，改進(jìn)了邊坡地質(zhì)信息采集的流過程，提升了邊坡地質(zhì)建模的精確度。
[0058]圖8本發(fā)明實(shí)施例提供的一種電子設(shè)備400的結(jié)構(gòu)示意圖，該電子設(shè)備400可因配置或性能不同而產(chǎn)生比較大的差異，可以包括一個或一個以上處理器（centralprocessing units，CPU）401和一個或一個以上的存儲器402，其中，存儲器402中存儲有至少一條指令，至少一條指令由處理器401加載并執(zhí)行以實(shí)現(xiàn)下述露天礦山邊坡圖像裂隙參數(shù)提取方法的步驟：
S1：對露天礦山邊坡進(jìn)行邊坡圖像采集并提取邊坡圖像數(shù)據(jù)；對所述邊坡圖像進(jìn)行圖像數(shù)量擴(kuò)充；
S2:對擴(kuò)充后的邊坡圖像進(jìn)行預(yù)處理，獲得裂隙標(biāo)簽圖；根據(jù)所述裂隙標(biāo)簽圖和擴(kuò)充后的邊坡圖像建立裂隙圖像訓(xùn)練集；
S3: 選取改進(jìn)U-net網(wǎng)絡(luò)，通過所述裂隙圖像訓(xùn)練集對改進(jìn)U-net網(wǎng)絡(luò)進(jìn)行訓(xùn)練，直至所述改進(jìn)U-net網(wǎng)絡(luò)收斂；將收斂后的網(wǎng)絡(luò)參數(shù)保存為裂隙識別模型的參數(shù)，獲得裂隙識別模型；
S4:通過所述裂隙識別模型對待識別的邊坡圖像進(jìn)行識別，提取待識別的邊坡圖像中裂隙像素的信息；對裂隙像素的信息與圖像數(shù)據(jù)進(jìn)行解算，獲得裂隙跡的幾何參數(shù)，完成露天礦山邊坡圖像裂隙參數(shù)提取。
[0059]在示例性實(shí)施例中，還提供了一種計算機(jī)可讀存儲介質(zhì)，例如包括指令的存儲器，上述指令可由終端中的處理器執(zhí)行以完成上述露天礦山邊坡圖像裂隙參數(shù)提取方法。例如，所述計算機(jī)可讀存儲介質(zhì)可以是ROM、隨機(jī)存取存儲器（RAM）、CD-ROM、磁帶、軟盤和光數(shù)據(jù)存儲設(shè)備等。
[0060]本領(lǐng)域普通技術(shù)人員可以理解實(shí)現(xiàn)上述實(shí)施例的全部或部分步驟可以通過硬件來完成，也可以通過程序來指令相關(guān)的硬件完成，所述的程序可以存儲于一種計算機(jī)可讀存儲介質(zhì)中，上述提到的存儲介質(zhì)可以是只讀存儲器，磁盤或光盤等。
[0061]以上所述僅為本發(fā)明的較佳實(shí)施例，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。
全文PDF
露天礦山邊坡圖像裂隙參數(shù)提取方法及裝置.pdf
聲明：
“露天礦山邊坡圖像裂隙參數(shù)提取方法及裝置” 該技術(shù)專利(論文)所有權(quán)利歸屬于技術(shù)(論文)所有人。僅供學(xué)習(xí)研究，如用于商業(yè)用途，請聯(lián)系該技術(shù)所有人。
我是此專利(論文)的發(fā)明人(作者)
1355
編輯：中冶有色技術(shù)網(wǎng)
來源：北京科技大學(xué)
分享 0
舉報 0
收藏 0
反對 0
點(diǎn)贊 0
中冶有色技術(shù)平臺
2025年03月28日 ~ 30日 
