-
题名基于视频图像的矿井水灾识别及趋势预测方法研究
被引量:14
- 1
-
-
作者
孙继平
靳春海
曹玉超
-
机构
中国矿业大学(北京)
-
出处
《工矿自动化》
北大核心
2019年第7期1-4,16,共5页
-
基金
国家重点研发计划资助项目(2016YFC0801800)
-
文摘
分析了矿井水灾视频图像特征,提出了基于视频图像的矿井水灾识别及趋势预测方法,包括水灾视频动态识别、区域分割、面积估算及趋势预测,并通过了试验验证,得出如下主要结论:①阈值像素灰度统计法和像素灰度值统计法均可监测和识别水灾,阈值像素灰度统计法不但可抑制低于灰度阈值的噪声,提高识别的准确性,还可减少像素灰度统计数,增强特定像素灰度范围的对比度。②阈值分割法和视频差分分割法均可分割水灾区域图像,前者整体性较好,后者细节刻画更强。③根据分割出的水灾区域图像可估算突水区域面积及进行趋势预测。
-
关键词
矿井水灾
图像识别
水灾区域分割
面积估算
趋势预测
-
Keywords
mine flood
image recognition
flood area segmentation
area estimation
trend prediction
-
分类号
TD745
[矿业工程—矿井通风与安全]
-
-
题名矿井水灾感知与水源判定方法研究
被引量:10
- 2
-
-
作者
孙继平
靳春海
-
机构
中国矿业大学(北京)
-
出处
《工矿自动化》
北大核心
2019年第4期1-5,12,共6页
-
基金
国家重点研发计划资助项目(2016YFC0801800)
-
文摘
在分析水质监测法、涌水量监测法、水温监测法、气温监测法、湿度监测法、水位监测法、电阻率监测法、应力监测法、微震监测法、水文钻孔法等矿井水灾感知方法原理和特点的基础上,提出了基于图像监测的矿井水灾感知方法和基于图像的大数据矿井水灾感知与水源判定方法,得出以下结论:(1)水质监测法不但可感知矿井水灾,还可判定引发水灾的水源,该方法感知地表水和老空水引发的矿井水灾准确率较高。(2)基于时间的涌水量监测法具有准确率高的优点,但部署复杂、实时性差;基于流速的涌水量监测法具有操作简单、实时性好等优点,但测量误差较大。(3)水温监测法不但可感知矿井水灾,还可判定引发水灾的水源,但不适用于矿井水灾水源温度与正常矿井涌水温度差异较小的水灾感知。(4)气温监测法具有简单、方便等优点,但受煤炭自燃等矿井火灾、瓦斯与煤尘爆炸、地面气温、矿井通风量、井下设备开停、井下作业人员数量等影响,不适用于矿井水灾水源温度与正常矿井涌水温度差异较小的水灾感知。(5)湿度监测法具有简单、方便等优点,但受地面空气湿度和温度、矿井通风量、煤炭自燃等矿井火灾等影响。(6)通过水位监测法可及时掌握地表水和地下水水源变化,但需探明老空水位置等。(7)电阻率监测法具有响应快、灵敏度高等优点,但准确率受采掘环境影响大,电极布置困难。(8)应力监测法和微震监测法具有实时性好的优点,但受煤与瓦斯突出、冲击地压等影响,需与其他矿井水灾感知方法配合使用。(9)水文钻孔法具有信息量大的优点,但需与其他矿井水灾感知方法配合使用。(10)基于图像监测的矿井水灾感知方法具有非接触、实时快速、监测范围广、部署与安装简单、成本低、使用维护方便等优点。(11)基于图像的大数据矿井水灾感知与水源判定方法同时监测矿井水、导水通道和水源,不但可感知矿井水灾,还可判定引发水灾的水源,具有可靠性高的优点。
-
关键词
矿井水灾
水灾感知
水源判定
图像识别
大数据
人工智能
-
Keywords
mine flood
flood perception
water source determination
image recognition
big data
artificial intelligence
-
分类号
TD745.2
[矿业工程—矿井通风与安全]
-