[发明专利]基于字符图像智能识别获得矿山井下设备位置的方法

说明书

本发明提供一种基于字符图像智能识别获得矿山井下设备位置的方法，其在井下铁轨旁，间隔安装若干个字符牌，每个字符牌上标注多个字符，将每个字符编号所对应的铁轨位置记录在生产调度中心的数据库中；在矿井下的无人机车上安装图像采集设备，行驶中采集对应字符牌上标注的所有字符图像；将采集的图像交由U‑Net网络进行检测，检测到图像中有8个字符的图像后，将该图像分割为8个不重叠的子图像，每个子图像中应含有1个字符，通过卷积操作和下采样操作后，进行分类识别，得到对应字符值和可信值，将可信值最大的位置对应的字符值通过无线网络实时传输给生产调度中心，即可对该无人机车在井下进行精准定位，满足工业化、自动化采矿、运输生产要求。

技术领域

本发明涉及一种获得矿山井下设备位置方法，尤其是一种基于字符图像智能识别获得矿山井下设备位置的方法，属于字符图像识别技术领域。

背景技术

采矿工业是冶金工业的上游工业，为冶金提供主要的原料，采矿工业也是一个资金密集、资源密集、技术密集型产业，同时又是一个高能耗产业。随着企业生产规模的不断扩大，作业过程中的生产安全日益受到重视，并积极采取各种措施创新企业的安全管理模式和方法，不断提高企业的安全管理水平。矿山井下作业无人化是采矿生产的重要安全措施，无人化的井下开采作业完全由自动化设备自动完成，由于井下路程长达数百公里，且岔口非常多，需要对采矿的自动化设备进行定位，掌握自动化采矿设备在井下处于什么位置，便于生产调度中心监控设备，根据生产情况实时、科学地调度设备进行生产作业。

无人机车是在矿井下运输矿石的电机车，电机车在井下隧道铁轨上运行，铁轨长达数百公里，将电机车改造成无人驾驶电机车后，电机车在铁轨上自动行驶，这就需要实时知道电机车在铁轨上的位置。无人机车定位的方式有多种，比如RFID等有源信号技术，但需要在数百公里的井下安装RFID设备，成本太高，且无线信号在井下受到的干扰较大，不利于实际生产。随着人工智能技术的进步，利用字符识别来解决定位问题成为可能，即在铁轨旁边每隔20米处安装一块8个字符长度牌子，牌子大小类似汽车车牌大小，当机车经过字符牌时，无人机车上的图像采集设备检测到至应的字符，然后进行分割、分类识别，并将识别结果通过无线网络传输给生产调度中心，调度中心根据字符编号便可掌握无人机车在井下的具体位置。针对矿山井下的字符图像识别，无法使用一般的字符识算法，且传统数字图像处理技术不能很好适应各种复杂环境，如井下的光线强度低会影响成像效果，井下粉尘严重会影响字符表面特征。因此，有必要对现有技术加以改进。

发明内容

为解决现有技术存在的上述问题，本发明提供一种基于图像采集设备采集的图像数据，结合深度学习技术进行图像智能识别，最终获得井下机车具体位置的方法。

本发明通过下列技术方案完成：一种基于字符图像智能识别获得矿山井下设备位置的方法，其特征在于包括下列步骤：

1)在矿山井下的铁轨旁边，间隔安装若干个字符牌，每个字符牌上标注多个字符，将每个字符编号所对应的铁轨位置记录在生产调度中心的数据库中；

2)将图像采集设备安装在矿井下的无人机车上，在行驶中采集对应字符牌上标注的所有字符图像；

3)用开源图像处理库OpenCV中的VideoCapture类读取所采集的字符图像数据，帧率为每秒15帧，像素格式RGB三通道图像，原始像素为1024900；

4)对每帧图像数据进行常规的缩放和滤波预处理，其中：缩放处理是将图像尺寸进行缩或放，以减少深度学习网络模型数据处理量，加速每帧图像分割和识别速度，使用Lanczos算法将图像压缩成800600的像素，像素格式为RGB的彩色图像；图像数据滤波处理是对压缩后的图像存在的毛刺进行平滑处理，减少图像边缘特征毛刺，使图像更加清晰易于识别；

5)将预处理后的800600像素的图像交由U-Net网络进行检测，检测到图像中有8个字符的图像后，将该图像分割为8个不重叠的子图像，每个子图像中应含有1个字符；