基于双层路由注意力机制的煤粒粒度定量分析

煤粒粒度分布特征与煤中甲烷气体传播规律的分析密切相关。目前,基于图像分割的煤粒粒度分析方法已成为获取煤粒粒度的主流方案之一,但存在上下文信息丢失、煤粒特征融合不当造成煤粒漏分割和过分割等问题。针对上述问题,设计了一种基于双层路由注意力机制(BRA)的煤粒粒度分析模型。在残差U型网络ResNet-UNet中嵌入BRA模块,得到B-ResUNet网络模型:为减少在煤粒分割过程中出现的漏分割问题,在ResNet-UNet网络的上采样前添加BRA模块,使网络根据上一层的特征调整当前特征层的重要性,增强特征的表达能力,提高长距离信息的传递能力;为减少在煤粒分割过程中出现的过分割问题,在ResNet-UNet网络的特征拼接模块后添加BRA模块,通过动态选择和聚合重要特征,实现更有效的特征融合。对分割出的煤粒进行特征信息提取,针对实验分析中采用的煤粒数据集的煤粒粒度与细胞大小相当,为精确表征煤粒粒度,采用等效圆粒径获取煤粒粒度及粒度分布。实验结果表明:①B-ResUNet网络模型的准确率、平均交并比、召回率较ResNet-UNet基础网络分别提高了0.6%,14.3%,35.9%,准确率达99.6%,平均交并比达92.6%,召回率达94.4%,B-ResUNet网络模型在煤样中具有较好的分割效果,能够检测出较为完整的颗粒结构。②在上采样前和特征拼接后均引入BRA模块时,网络对煤粒的边缘区域给予了足够的关注,且对一些不太重要的区域减少了关注度,从而提高了网络的计算效率。③煤粒的粒度大小在1~2 mm内呈相对均衡的分布趋势,粒度在1~2 mm内的煤粒占比最大为99.04%,最小为90.59%,表明基于BRA的图像处理方法在粒度分析方面具有较高的准确性。

基于Attention的卷积神经网络验证码识别研究

验证码字符识别技术作为数字图像处理的一个重要应用分支,其目的在于准确、快速地分析验证码所携带的字符内容.已有研究通过构建卷积神经网络进行验证码字符识别,并且取得了一定的效果;但是大部分研究使用特征的浅层信息作为模型的输入,受局部感受野的限制而丢失特征,未能充分分析验证码的深层特征信息,并且未能对特征进行充分融合,造成识别准确度还有一定提升空间.提出了一种基于注意力机制的卷积神经网络模型,首先采用Otsu算法对验证码进行预处理后,输入到VGG16模型提取验证码的特征;然后引入注意力机制,自动学习关键信息,得到不同特征的权重;最后基于卷积神经网络进行特征融合,通过训练后得到验证码识别模型.提出的模型在调用Captcha库生成的验证码数据集上进行验证,结果显示提出的方法在不增加时间成本的情况下,验证码识别准确率平均可达到93.27%,对比ResNet、CNN和CNN7基线方法,分别提升了8%、10%和22%.因此,提升了验证码识别的准确率,促进了自动识别车牌等场景落地,推进了验证码识别技术的发展.

基于图像处理技术的注塑制品熔接痕量化研究

针对塑料制品熔接痕缺少数值化的结果,提出了一种基于图像处理技术量化塑料制品熔接痕缺陷的方法,获取了熔接痕的长度,以评价熔接痕的严重程度,为正交实验设计、机器学习算法、优化算法等优化工艺参数提供了数据基础。

基于虹膜特征密钥的军事图像加密技术

对军事图像进行加密是确保军事图像安全常用的方法,但加密算法中的长密钥存在记忆困难、不易保管等问题。针对以上问题,文章提出一种基于虹膜特征密钥与AES结合的军事图像加密算法。在虹膜图像预处理基础上,应用2D Haar小波对虹膜有效区域进行三层分解,提取第三层细节系数并编码生成375位的虹膜特征码;从虹膜特征码中随机选取128位密钥,采用AES算法对军事信息进行加密。实验结果表明,达到了保护军事图像的目的,且AES算法与生物特征的结合提高了加密算法的安全性。

基于矿井监控的视频质量矫正算法

煤矿井下光照条件复杂、空间可见度低,导致采集到的监控视频质量差,不利于基于视觉的智能化功能展开。通过对数字图像处理技术的研究,提出了一种针对矿井监控视频的图像矫正算法。首先,对输入的视频帧使用直方图均衡化处理,提高图像的全局对比度。其次,将输入的图像转换至HSV频道,在亮度V频道下,借助伽马映射矫正图像的亮度值,并结合矫正后的亮度值转换至RGB频道。最终,将前两步处理后的结果在像素维度进行灰度值叠加。实验证明,算法平均灰度值相比对比算法最高,信息熵相比对比算法最大,在全局亮度和细节信息丰富度方面,优于其他图像矫正算法。

IRAF软件在Blazars天体中的CCD测光自动数据处理研究

针对IRAF软件在绝对测光法观测Blazars天体CCD测光中的应用,开发了一套自动数据处理的程序。该程序可以减少人为误操作的干扰,使观测结果更为稳定,提高了数据处理的效率。同时,在长期研究和使用IRAF软件的基础上,给出了我们应用IRAF软件在CCD测光中的一些研究结果,并对在Redhat Linux中的自动测光过程进行了总结。

基于不同深度识别算法的矿井水位标尺刻度识别性能分析与研究

煤炭是我国的主要能源,煤矿行业为高危行业,水灾是煤矿重特大事故防治的关键灾害之一。现有水灾监测报警方法存在着适应性差、误报和漏报率高等问题,难以满足煤矿安全生产需求。及时发现水灾,并合理堵水、排水为防治水灾的有效措施。矿井水位可以通过水位标尺图像进行监测。采用深度残差神经网络识别图像时,图像的识别效果与深度学习网络的深度密切相关,本文基于不同深度识别算法对矿井水位标尺刻度识别性能进行了分析与研究。采集工作面和巷道水位标尺图像,并对图像进行标记,建立图像数据库。将标尺图像刻度中心位置参数,形状大小参数,刻度分类提取为特征向量,通过残差神经网络进行训练。当网络训练稳定后,将待检测图像进行相同的操作得到特征向量,将特征向量解析为图像目标的关键信息,实现水位标尺的刻度目标检测。针对不同网络深度进行了实验,比较了不同深度下训练阶段的损失值下降速率和稳定性,平均识别率,f1值,PR曲线,ROC曲线,训练耗时,测试耗时;当训练图片数量固定时,算法拥有最佳深度,过深网络会导致训练不充分,过浅网络会导致过拟合。分析了置信度阈值对平均识别率的影响,置信度在0.4时,平均识别率最高;并对其他常见算法进行了识别率和耗时比较。本文算法训练平均耗时625 ms,测试平均耗时47 ms,对矿井水位标尺刻度目标识别率大于97%。

基于MultiGen Creator/Vega煤矿巷道最短路径算法研究与实现

基于MultiGen Creator/Vega软件,通过部件建模法快速生成巷道网络,通过纹理映射对巷道模型进行优化处理,提高巷道模型的真实感,采用LOD技术获取最佳的视觉效果,用Access数据库存储巷道部件的拓扑信息和空间信息,实现模型的快速空间查询与检索。重点阐述了一种以狄克斯特拉算法和Floyd算法为基础优化改进的、适合于虚拟三维巷道间的路径快速检索算法,该算法不但克服了狄克斯特拉算法中结点检索冗余问题,又引入Floyd算法中的矩阵思想,对无向密集的三维巷道的路径检索非常有效,并以VC++6.0为开发平台,基于MFC技术开发实现矿井最优路径模拟。

基于Opencv的车牌识别研究与分析

通过OpenCV机器视觉库技术与Python开发平台对车牌识别进行了研究与分析,该车牌识别系统主要由图像预处理、车牌定位、字符分割与识别等部分组成,实验表明该系统具有良好的识别效果。

应用反向动力学实现液压支架的三维虚拟仿真

采用Pro/E三维建模软件构建液压支架三维实体模型,并将其导入到3DSMAX环境进行仿真,解决了3DSMAX建模难题,克服了Pro/E贴图、渲染不足缺点,实现了精确的三维实体模型的虚拟仿真,达到了形象、生动、逼真的预期效果,为下一步工作面综采设备虚拟现实问题的解决创造了条件。

图形数字化系统(GDS)的组成与功能

图形数字化即是将已有图形信息转换成数字式的数据，并将这些数据以文件的形式存放在计算机里，以便数据库管理和绘图程序调用。文中介绍了一个图形数字化系统（ＧＤＳ），它除具有直接取点数字化的功能外，还具有坐标定位与转换数字化、图形显示与绘制、图形数据显示与打印及多边形面积与周长计算等功能。

适应机助制图新技术规程及图例应做的几点修改意见

本文针对机助制图新技术的应用和发展，对现行煤矿测量规程及图例在线划宽度、标注字体、色框等方面提出了几点修改意见，供参考。

浅谈机器视觉智能摄像头在消防中的应用

机器视觉智能摄像头比人工具有很多优势,通过机器视觉学习智能摄像头的应用,能及时发现火灾隐患,有效预防火灾事故。

CAXA二次开发中零件三维信息的提取

零件的各类信息对开发专用CAD系统有着重要的支持作用,主要分析了零件特征分类,通过程序实现了CAXA环境下建立的零件模型的信息提取和简单形状特征的识别,为进一步开发打下基础。

CASS和MAPGIS在城乡建设用地增减挂钩中的应用

结合本单位近两年来从事城乡建设用地增减挂钩的工作实际,阐述了CASS 7.1和MAPGIS 6.7软件在城乡建设用地增减挂钩中的应用。

浅析交通标牌的识别方法

激光扫描技术是一项新的技术,利用这一技术可以得到物体表面海量的离散采样点,也被称为点云数据。本论文研究了一种交通标牌角点的识别算法,首先交互获取包含标牌的上下行点云数据,通过轨迹高度过滤掉地面等杂点;然后基于点对的连通关系进行聚类分割,得到若干个类似平面的点集,根据法向量以及牌子的面积、反射强度等筛选出标牌所在的点集;接着进行旋转,再者提取平面点集的凸包点,并进行形状的判断,分别拟合直线和圆,根据拟合的误差,判断是圆还是直线,根据判断结果进行角点的提取,如果是圆,提取四个顶点,如果是直线,进行直线拟合以及直线求交,得到四个角点。对上述算法,进行了实验验证,证明了算法的准确性、实用性。

基于图像处理的井下人员身份识别

针对当前井下人员身份识别方法存在的误识率高、效率低等不足,设计了基于图像处理的井下人员身份识别方法。首先采集井下人员的图像,并对图像进行预处理,提取人员轮廓,然后从图像中提取井下人员身份识别的多种特征,对特征进行去冗余处理,最后采用支持向量机建立井下人员身份识别的分类器,并与其他井下人员身份识别方法进行了对比测试。结果表明,这种方法提高了井下人员身份识别的准确性,误识率不仅远远小于其他井下人员身份识别方法,而且井下人员身份识别效率更优,具有更高的实际应用价值。

基于Three.js的建筑物室内三维模型重建

随着数字城市的建设与发展,人们对城市中建筑物的研究逐渐从二维走向三维,从室外走向室内.本文面向室内三维场景可视化的需求,首先,对建筑构件的几何造型信息进行了分析,并使用参数化的方法对其进行组织;然后,基于WebGL技术和Three.js框架,在web端实现了建筑物室内三维模型的重建;最后通过实验验证了该方法的可行性.

基于优化的VGG-16网络模型的煤矸识别研究

针对复杂工况下煤矸识别效率低、分选难度大的问题,采用VGG-16网络搭建煤矸识别模型,对煤矸识别模型的识别准确率和识别环境影响因素进行了研究,并对VGG-16煤矸识别模型进行了优化。结果表明:(1)优化后的VGG-16网络模型准确率为97.00%,单张煤矸图像识别时间为0.0697s,单张煤矸图像识别所用时间缩短了0.85%;(2)在不同水分、灰分和粉尘等环境因素下,煤矸识别模型的准确率均达到95%以上,其中水分对模型的识别准确率影响最大,表面浸润30 s比干燥的识别准确率低2.01个百分点;(3)鉴于煤与矸石的共伴生特性,对煤表面夹矸、矸表面带煤两种复杂情况进行了煤矸有效识别。研究表明:优化后的VGG-16网络模型具有一定的抗干扰能力,可以实现复杂情况下煤矸的高效精准识别,可为后续煤矸石智能化分选提供理论基础和技术支撑。