[发明专利]一种井下煤壁片帮预警方法及装置在审

专利信息
申请号: 202210205539.5 申请日: 2022-03-04
公开(公告)号: CN114299067A 公开(公告)日: 2022-04-08
发明(设计)人: 刘永伟;赵金剑;杜磊岐 申请(专利权)人: 西安华创马科智能控制系统有限公司
主分类号: G06T7/00 分类号: G06T7/00;G06V20/52;G06V10/764;G06K9/62;G06N20/00
代理公司: 北京三友知识产权代理有限公司 11127 代理人: 周永君;董骁毅
地址: 710117 陕西省西*** 国省代码: 陕西;61
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 井下 煤壁片帮 预警 方法 装置
【权利要求书】:

1.一种井下煤壁片帮预警方法,其特征在于,包括:

获取目标采煤区域的视频数据;

将所述目标采煤区域的视频数据转换为各帧图片,并对每帧图片进行图像增强处理,获得对应的待识别图片;

根据每帧待识别图片以及煤壁片帮场景识别模型,获得每帧待识别图片上的候选区域信息,所述候选区域信息包括各个候选区域的区域坐标和概率值;其中,所述煤壁片帮场景识别模型是基于历史采煤图片集以及对应的煤壁片帮场景标签训练获得的;

根据每帧待识别图片上的候选区域信息以及筛选阈值,获得每个待识别区域图片;

根据每个待识别区域图片以及图像理解模型,获得每个待识别区域图片对应的语句描述;其中,所述图像理解模型是基于历史区域图片集以及对应的语义标签训练获得的;

若根据各个待识别区域图片对应的语句描述解析获得煤壁片帮发生场景,则进行煤壁片帮预警。

2.根据权利要求1所述的方法,其特征在于,基于历史采煤图片集以及对应的煤壁片帮场景标签训练获得煤壁片帮场景识别模型包括:

获取历史采煤图片集,所述历史采煤图片集中每张历史采煤图片被分割为预设数量个训练图片区域,每个训练区域具有对应的煤壁片帮场景标签;

基于所述历史采煤图片集中每张历史采煤图片的各个训练图片区域以及各自对应的煤壁片帮场景标签对初始模型进行训练,获得所述煤壁片帮场景识别模型。

3.根据权利要求1所述的方法,其特征在于,所述对每帧图片进行图像增强处理,获得对应的待识别图片包括:

获取每帧图片上各个像素点的暗通道;

根据每帧图片上各个像素点的暗通道、大气光强度值、透射率以及暗通道去雾模型,获得每帧图片对应的待识别图片;其中,所述暗通道去雾模型是预设的。

4.根据权利要求1所述的方法,其特征在于,在根据每帧待识别图片以及煤壁片帮场景识别模型,获得每帧待识别图片上的候选区域信息之前,还包括:

对每帧待识别图片进行区域滤波。

5.根据权利要求1至4任一项所述的方法,其特征在于,基于历史区域图片集以及对应的语义标签训练获得图像理解模型包括:

获取历史区域图片集,所述历史区域图片集包括的每张历史区域图片对应一个语义标签;

根据各张历史区域图片以及对应的语义标签对原始模型进行训练,获得所述图像理解模型。

6.一种井下煤壁片帮预警装置,其特征在于,包括:

获取模块,用于获取目标采煤区域的视频数据;

预处理模块,用于将所述目标采煤区域的视频数据转换为各帧图片,并对每帧图片进行图像增强处理,获得对应的待识别图片;

第一获得模块,用于根据每帧待识别图片以及煤壁片帮场景识别模型,获得每帧待识别图片上的候选区域信息,所述候选区域信息包括各个候选区域的区域坐标和概率值;其中,所述煤壁片帮场景识别模型是基于历史采煤图片集以及对应的煤壁片帮场景标签训练获得的;

第二获得模块,用于根据每帧待识别图片上的候选区域信息以及筛选阈值,获得每个待识别区域图片;

语义解析模块,用于根据每个待识别区域图片以及图像理解模型,获得每个待识别区域图片对应的语句描述;其中,所述图像理解模型是基于历史区域图片集以及对应的语义标签训练获得的;

预警模块,用于在根据各个待识别区域图片对应的语句描述解析获得煤壁片帮发生场景之后,进行煤壁片帮预警。

7.根据权利要求6所述的装置,其特征在于,还包括:

第一获取模块,用于获取历史采煤图片集,所述历史采煤图片集中每张历史采煤图片被分割为预设数量个训练图片区域,每个训练区域具有对应的煤壁片帮场景标签;

第一训练模块,用于基于所述历史采煤图片集中每张历史采煤图片的各个训练图片区域以及各自对应的煤壁片帮场景标签对初始模型进行训练,获得所述煤壁片帮场景识别模型。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西安华创马科智能控制系统有限公司,未经西安华创马科智能控制系统有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210205539.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top