本文關(guān)鍵詞：基于機器視覺的煤礦井下鉆桿計數(shù)方法研究與實現(xiàn)

  更多相關(guān)文章： 瓦斯抽采 目標(biāo)檢測 目標(biāo)跟蹤 鉆桿計數(shù)系統(tǒng)

【摘要】：瓦斯爆炸、突出等瓦斯事故是煤礦生產(chǎn)過程中最大的一類安全隱患[1]。因此,對煤礦瓦斯綜合治理最有效的方法是瓦斯抽采技術(shù)。目前,對于瓦斯抽采鉆孔深度的測量基本采用隨鉆測量的方法進(jìn)行;而對于打鉆后的監(jiān)督測量,仍然采用人工抽檢探測的方式,存在極大的安全隱患。機器視覺技術(shù)是一門多學(xué)科融合的技術(shù),主要目的是獲取目標(biāo)的圖像信號,并且通過圖像處理模塊對圖像進(jìn)行一系列的處理,從而檢測出目標(biāo)的特征信息,進(jìn)而與決策模塊以及控制模塊做出一定的協(xié)調(diào)。研究了一種基于機器視覺技術(shù)的鉆桿計數(shù)系統(tǒng),通過對煤礦井下打鉆視頻圖像進(jìn)行智能處理,從而實現(xiàn)鉆桿的自動計數(shù),該課題對于加強煤礦安全管理,具有重要意義。本系統(tǒng)首先在鉆機的鉆頭處設(shè)置標(biāo)識裝置,利用煤礦井下攝像儀拍攝瓦斯抽采鉆機的運行圖像,并通過以太環(huán)網(wǎng)將圖像傳輸給工控機的圖像處理系統(tǒng),從而進(jìn)行圖像預(yù)處理、特征提取、目標(biāo)檢測、目標(biāo)跟蹤,最終實現(xiàn)鉆桿的自動計數(shù)。針對鉆機上標(biāo)識物的目標(biāo)檢測問題,對Vibe目標(biāo)檢測算法做了大量改進(jìn),提出了一個適用于井下鉆機前景區(qū)域檢測的目標(biāo)檢測方法。在初始化背景模型階段采用中值背景建模方法快速地劃定背景區(qū)以及前景區(qū)域;在背景檢測與更新階段采用自衰減的更新方式去除鬼影區(qū)域;在最后階段,提取Vibe檢測到的目標(biāo)的邊緣與原目標(biāo)取或運算,最終得到較理想的運動目標(biāo)。針對鉆機上標(biāo)識物的跟蹤問題,傳統(tǒng)的Camshift算法對鉆桿標(biāo)識物的目標(biāo)跟蹤容易受到遮擋及工人頭燈光照的干擾,并且在計數(shù)初始時需要手動框選標(biāo)識目標(biāo),為此,提出了一種基于改進(jìn)Camshift算法的鉆機標(biāo)識物目標(biāo)跟蹤算法:(1)采用模版匹配的方法定位跟蹤目標(biāo)在第一幀中的位置,取代鼠標(biāo)框選搜索窗口方式;(2)將運動特征與顏色特征相融合,來解決相似顏色干擾問題;(3)采用卡爾曼濾波器來解決部分遮擋問題。該算法在鉆頭標(biāo)識物跟蹤中具有一定的魯棒性。本系統(tǒng)硬件組成主要包括煤礦井下防爆攝像儀、光端機、視頻服務(wù)器、工控機和照明裝置等。應(yīng)用Visua1 Studio 2012+OpenCV函數(shù)庫,開發(fā)了界面友好的圖像處理軟件系統(tǒng),實現(xiàn)了鉆桿的自動計數(shù)。根據(jù)現(xiàn)場圖像所做的試驗結(jié)果表明,本研究所設(shè)計的煤礦井下鉆桿自動計數(shù)系統(tǒng)的計數(shù)效度可達(dá)80%以上,基本滿足了實際的需求。
【關(guān)鍵詞】：瓦斯抽采 目標(biāo)檢測 目標(biāo)跟蹤 鉆桿計數(shù)系統(tǒng)
【學(xué)位授予單位】：西安科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TD712.63;TP391.41
【目錄】：

• 摘要3-5
• ABSTRACT5-10
• 1 緒論10-16
• 1.1 選題背景及研究意義10-11
• 1.2 國內(nèi)外研究現(xiàn)狀11-12
• 1.3 本文研究的主要內(nèi)容12-14
• 1.4 本文的章節(jié)安排14-16
• 2 鉆桿計數(shù)系統(tǒng)設(shè)計方案16-19
• 2.1 鉆桿計數(shù)的常見方法16-17
• 2.2 鉆機打鉆過程分析17
• 2.3 基于機器視覺的鉆桿計數(shù)方案17-18
• 2.3.1 鉆桿計數(shù)方案17-18
• 2.3.2 鉆桿計數(shù)具體方法18
• 2.4 本章小結(jié)18-19
• 3 運動目標(biāo)跟蹤關(guān)鍵技術(shù)19-34
• 3.1 圖像預(yù)處理19-23
• 3.1.1 圖像降噪與增強20-22
• 3.1.2 HSV顏色空間模型22-23
• 3.1.3 RGB轉(zhuǎn)換到HSV顏色空間23
• 3.2 目標(biāo)檢測常用方法23-28
• 3.2.1 光流法23-24
• 3.2.2 幀間差分法24-25
• 3.2.3 背景減除法25-26
• 3.2.4 Vibe目標(biāo)檢測算法26-28
• 3.3 目標(biāo)跟蹤常用方法28-33
• 3.3.1 基于運動分析的跟蹤29
• 3.3.2 基于數(shù)據(jù)統(tǒng)計的跟蹤29-31
• 3.3.3 基于模型匹配的跟蹤31-33
• 3.4 本章小結(jié)33-34
• 4 鉆機前景區(qū)域檢測方法34-43
• 4.1 Vibe目標(biāo)檢測算法優(yōu)點34-35
• 4.2 Vibe目標(biāo)檢測算法的不足35-37
• 4.2.1 鬼影區(qū)域問題35-36
• 4.2.2 靜止目標(biāo)問題36
• 4.2.3 目標(biāo)輪廓不完整問題36-37
• 4.3 改進(jìn)的Vibe目標(biāo)檢測算法37-40
• 4.3.1 解決鬼影區(qū)域38-39
• 4.3.2 解決靜止目標(biāo)問題39
• 4.3.3 解決目標(biāo)不完整問題39-40
• 4.4 實驗結(jié)果和分析40-41
• 4.5 本章小結(jié)41-43
• 5 鉆機標(biāo)識物跟蹤方法43-56
• 5.1 Camshift目標(biāo)跟蹤方法43-45
• 5.1.1 生成直方圖與反向投影圖43-44
• 5.1.2 Meanshift算法尋找質(zhì)心的過程44
• 5.1.3 Camshift算法詳細(xì)步驟44-45
• 5.2 基于卡爾曼濾波器的Camshift目標(biāo)跟蹤算法45-49
• 5.2.1 自動化選擇搜索窗口46
• 5.2.2 運動特征模型46-47
• 5.2.3 多特征融合策略47-48
• 5.2.4 基于卡爾曼濾波器的運動目標(biāo)的狀態(tài)估計48-49
• 5.3 實驗結(jié)果和分析49-55
• 5.3.1 用模版匹配的方法代替鼠標(biāo)框選搜索窗口49-50
• 5.3.2 將運動特征與顏色特征相結(jié)合代替了單一的顏色特征50-51
• 5.3.3 將卡爾曼濾波器與Camshift算法結(jié)合在一起51
• 5.3.4 測試改進(jìn)后算法跟蹤穩(wěn)定性51-53
• 5.3.5 改進(jìn)后的 Camshift 算法與其它跟蹤方法進(jìn)行對比53-55
• 5.4 本章小結(jié)55-56
• 6 系統(tǒng)實現(xiàn)與測試56-62
• 6.1 系統(tǒng)概述56-57
• 6.1.1 系統(tǒng)硬件開發(fā)環(huán)境組成56-57
• 6.1.2 系統(tǒng)軟件開發(fā)環(huán)境57
• 6.2 軟件系統(tǒng)組成57-58
• 6.3 系統(tǒng)軟件界面與測試結(jié)果58-62
• 7 結(jié)論62-64
• 7.1 總結(jié)62-63
• 7.2 展望63-64
• 致謝64-65
• 參考文獻(xiàn)65-68
• 附錄68

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 劉曙光,屈萍鴿,費佩燕;機器視覺在紡織檢測中的應(yīng)用[J];紡織學(xué)報;2003年06期

2 趙茂程;侯文軍;;我國基于機器視覺的水果自動分級技術(shù)及研究進(jìn)展[J];包裝與食品機械;2007年05期

3 張五一;趙強松;王東云;;機器視覺的現(xiàn)狀及發(fā)展趨勢[J];中原工學(xué)院學(xué)報;2008年01期

4 牛一帆;;機器視覺在印刷質(zhì)量檢測中的應(yīng)用[J];印刷質(zhì)量與標(biāo)準(zhǔn)化;2009年09期

5 牛一帆;;機器視覺在印刷質(zhì)量檢測中的應(yīng)用[J];廣東印刷;2009年05期

6 楊繼志;郭敬;;機器視覺在煙草行業(yè)的應(yīng)用[J];機電產(chǎn)品開發(fā)與創(chuàng)新;2011年06期

7 王蕾;劉建立;高衛(wèi)東;;基于機器視覺的織物洗滌后尺寸穩(wěn)定性評價[J];紡織學(xué)報;2012年07期

8 張晶;劉東明;;基于機器視覺的工件檢測系統(tǒng)研究[J];硅谷;2012年09期

9 張樹君;辛瑩瑩;陳大千;;基于機器視覺的飲料瓶標(biāo)簽檢測設(shè)備[J];食品研究與開發(fā);2014年03期

10 黃星奕;錢媚;徐富斌;;基于機器視覺和近紅外光譜技術(shù)的杏干品質(zhì)無損檢測[J];農(nóng)業(yè)工程學(xué)報;2012年07期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 趙磊;董吉文;李金屏;;拓?fù)淅碚撛跈C器視覺中的研究進(jìn)展[A];全國第十五屆計算機科學(xué)與技術(shù)應(yīng)用學(xué)術(shù)會議論文集[C];2003年

2 張彥東;;基于機器視覺的連接器裝配機床改造研究[A];首屆珠中江科協(xié)論壇論文集[C];2011年

3 蔡小秧;陳文楷;;機器視覺中的魯棒估計技術(shù)[A];計算機技術(shù)與應(yīng)用進(jìn)展·2007——全國第18屆計算機技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集[C];2007年

4 劉雅舉;李娜;張莉;李東明;;機器視覺在藥用玻璃瓶質(zhì)量檢測中的研究[A];2007年河北省電子學(xué)會、河北省計算機學(xué)會、河北省自動化學(xué)會、河北省人工智能學(xué)會、河北省計算機輔助設(shè)計研究會、河北省軟件行業(yè)協(xié)會聯(lián)合學(xué)術(shù)年會論文集[C];2007年

5 吳慶華;代娜;黃俊敏;程志輝;何濤;;基于機器視覺的軸承二維尺寸檢測[A];第六屆全國信息獲取與處理學(xué)術(shù)會議論文集（1）[C];2008年

6 馬連峰;張秋菊;;基于機器視覺的彩色套印檢測技術(shù)研究[A];第十一屆全國包裝工程學(xué)術(shù)會議論文集（二）[C];2007年

7 金守峰;張慧;;面向機器視覺的織物緯斜檢測方法[A];全國先進(jìn)制造技術(shù)高層論壇暨第九屆制造業(yè)自動化與信息化技術(shù)研討會論文集[C];2010年

8 管庶安;周龍;陳永強;廖明潮;;機器視覺在糧食品質(zhì)檢測中的應(yīng)用研究[A];中國糧油學(xué)會第三屆學(xué)術(shù)年會論文選集（下冊）[C];2004年

9 張偉華;陳軍;連世江;賈海政;;機器視覺及其在農(nóng)業(yè)機械中的應(yīng)用綜述[A];2007年中國農(nóng)業(yè)工程學(xué)會學(xué)術(shù)年會論文摘要集[C];2007年

10 沈?qū)殗?陳樹人;尹建軍;;基于機器視覺的棉田雜草精確定位研究[A];紀(jì)念中國農(nóng)業(yè)工程學(xué)會成立30周年暨中國農(nóng)業(yè)工程學(xué)會2009年學(xué)術(shù)年會（CSAE 2009）論文集[C];2009年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 本報記者 李劍琦;機器視覺行業(yè)整合正熱 中國市場尚處萌芽期[N];機電商報;2005年

2 本報記者 董碧娟;解密機器視覺“第三只眼”[N];經(jīng)濟日報;2013年

3 本報記者 郭濤;機器視覺：為機器裝上“眼睛”和“大腦”[N];中國高新技術(shù)產(chǎn)業(yè)導(dǎo)報;2014年

4 張均;德國機器視覺傳感器市場前景好[N];中國貿(mào)易報;2007年

5 金剛;給機器一雙慧眼[N];計算機世界;2007年

6 朱廣菁;機器視覺怎樣“看”不合格產(chǎn)品[N];大眾科技報;2008年

7 宋昆;用機器視覺控制煙草質(zhì)量[N];計算機世界;2007年

8 張棟;西安光電子專業(yè)孵化器舉辦專業(yè)展覽會[N];中國高新技術(shù)產(chǎn)業(yè)導(dǎo)報;2007年

9 王遐;機器視覺:藥品包裝在線檢測系統(tǒng)開發(fā)成功[N];中國包裝報;2010年

10 點評人 高炎 黃牧青 劉笑一 李士杰 北京大學(xué)技術(shù)轉(zhuǎn)移中心;機器視覺輔助冬季道路狀況監(jiān)測[N];科技日報;2014年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 梁卓銳;機器視覺手勢交互的交互映射研究[D];華南理工大學(xué);2015年

2 孟慶寬;基于機器視覺的農(nóng)業(yè)車輛—農(nóng)具組合導(dǎo)航系統(tǒng)路徑識別及控制方法研究[D];中國農(nóng)業(yè)大學(xué);2014年

3 田明銳;基于機器視覺的散料裝車控制系統(tǒng)研究[D];長安大學(xué);2016年

4 葛動元;面向精密制造與檢測的機器視覺及智能算法研究[D];華南理工大學(xué);2013年

5 饒洪輝;基于機器視覺的作物對行噴藥控制系統(tǒng)研究[D];南京農(nóng)業(yè)大學(xué);2006年

6 龔愛平;基于嵌入式機器視覺的信息采集與處理技術(shù)研究[D];浙江大學(xué);2013年

7 陳麗君;基于機器視覺的變量噴霧控制系統(tǒng)研究[D];沈陽農(nóng)業(yè)大學(xué);2009年

8 徐曉秋;機器視覺球面孔位快速精密測量系統(tǒng)的研究[D];四川大學(xué);2006年

9 成芳;稻種質(zhì)量的機器視覺無損檢測研究[D];浙江大學(xué);2004年

10 程洪;面向園藝應(yīng)用的機器視覺目標(biāo)辨識方法創(chuàng)新[D];中國農(nóng)業(yè)大學(xué);2015年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 冼志軍;錫膏印刷機誤差與錫膏印刷質(zhì)量檢測技術(shù)研究[D];華南理工大學(xué);2015年

2 孫斌;基于FPGA的壓力表盤機器視覺研究與實現(xiàn)[D];昆明理工大學(xué);2015年

3 許哲;基于機器視覺的快速測溫?zé)犭娕己附蛹夹g(shù)研究[D];河北聯(lián)合大學(xué);2014年

4 李鵬;基于機器視覺的PCB工業(yè)在線檢測系統(tǒng)研究[D];昆明理工大學(xué);2015年

5 佘燕玲;以用戶為中心的機器視覺手勢交互空間映射關(guān)系研究[D];華南理工大學(xué);2015年

6 孫中國;基于機器視覺的面粉袋碼垛機器人研究[D];山東建筑大學(xué);2015年

7 漆靜;基于機器視覺集裝箱吊具智能定位系統(tǒng)研究[D];西南交通大學(xué);2015年

8 張文;基于機器視覺的通信裝備故障識別研究[D];西南交通大學(xué);2015年

9 冉寶山;基于機器視覺的裝料系統(tǒng)試驗研究[D];長安大學(xué);2015年

10 馮康;基于機器視覺的棉花識別與定位技術(shù)的研究[D];石河子大學(xué);2015年

，

本文編號：738365