礦井突涌水圖像中突涌水紋理與煤巖圖像相比具有時空域變化性強的特點,現(xiàn)有基于圖像紋理特征的礦井水災(zāi)識別方法對于復(fù)雜突涌水紋理特征的提取能力有限、識別率較低。針對該問題,提出了一種基于Gabor域時空泛化建模的礦井水災(zāi)感知方法。該方法分別對訓(xùn)練樣本圖像和待測樣本圖像進行不同感受野、不同方向下的Gabor分解,將各子帶的期望與標(biāo)準(zhǔn)差組合,構(gòu)成本方向的學(xué)習(xí)特征向量和待測特征向量;根據(jù)最小熵原理對特征向量進行時空泛化建模,以去除時空域敏感性;采用特征向量各分量之間的夾角作為相似性測度,對學(xué)習(xí)特征向量和待測特征向量進行相似性比較,實現(xiàn)突涌水識別。實驗結(jié)果表明,該方法識別率達89.4%,識別時間為136ms,基本滿足井下水災(zāi)實時感知需求。 

【文章來源】：工礦自動化. 2020,46(10)北大核心

【文章頁數(shù)】：5 頁

【部分圖文】：

圖１不同子帶的統(tǒng)計量分析（ｂ）

【參考文獻】：
期刊論文
[1]基于不同深度識別算法的礦井水位標(biāo)尺刻度識別性能分析與研究[J]. 曹玉超,范偉強.  煤炭學(xué)報. 2019(11)
[2]基于圖像紋理特征的礦井水災(zāi)感知方法[J]. 孫繼平,曹玉超.  煤炭學(xué)報. 2019(09)
[3]基于承壓水單孔放水實驗的底板水害精準(zhǔn)注漿防治[J]. 李濤,高穎,艾德春,楊軍偉,馮海,薛衛(wèi)鋒,趙國杰.  煤炭學(xué)報. 2019(08)
[4]基于注漿鉆孔數(shù)據(jù)集的注漿工作面底板突水危險性評價體系[J]. 許延春,黃磊,俞洪慶,羅亞麒,李鵬飛,耿浩博,費宇,趙朝,張羅迅.  煤炭學(xué)報. 2020(03)
[5]基于視頻圖像的礦井水災(zāi)識別及趨勢預(yù)測方法研究[J]. 孫繼平,靳春海,曹玉超.  工礦自動化. 2019(07)
[6]礦井水災(zāi)感知與水源判定方法研究[J]. 孫繼平,靳春海.  工礦自動化. 2019(04)
[7]基于鉆孔水文監(jiān)測信息的頂板水害分析[J]. 秦成.  礦業(yè)安全與環(huán)保. 2017(04)
[8]2004—2015年全國煤礦事故分析[J]. 孫繼平,錢曉紅.  工礦自動化. 2016(11)
[9]基于雙樹復(fù)小波域統(tǒng)計建模的煤巖識別方法[J]. 孫繼平,陳浜.  煤炭學(xué)報. 2016(07)
[10]基于小波域非對稱廣義高斯模型的煤巖識別算法[J]. 孫繼平,陳浜.  煤炭學(xué)報. 2015(S2)



本文編號：3560229