本文關(guān)鍵詞： 尾礦庫 干灘長度 計算機視覺 圖像分割　出處：《遼寧科技大學(xué)》2015年碩士論文　論文類型：學(xué)位論文

【摘要】：中國是一個資源大國,礦產(chǎn)資源的開發(fā)和利用是我國國民經(jīng)濟的重要晴雨表,近年來,我國的人口和經(jīng)濟都在大幅度的增加,金屬制品的消耗量越來越大,對礦產(chǎn)資源的需求量一定會爆發(fā)式的增長。中國是一個資源消耗大國,在我國的國民經(jīng)濟中金屬礦產(chǎn)資源占據(jù)著無可代替的重要作用,其一旦出現(xiàn)問題將影響我國的經(jīng)濟健康發(fā)展。尾礦庫是一個的人為造成的泥石流危險源,在夏天雨季全國普遍降雨量增大,如果尾礦庫一旦潰堤,將給其周圍的村莊居民的財產(chǎn)和生命造成無可換回的損失。中國的尾礦庫具有量多模小的特點且采用上游式筑壩方法致使其穩(wěn)定性較差。尾礦庫不能給企業(yè)帶來經(jīng)濟效益,更有甚者認為尾礦庫是企業(yè)的負擔,因此導(dǎo)致企業(yè)不愿在尾礦庫上多投資,對尾礦庫不夠重視導(dǎo)致管理尾礦庫的工作人員較少、技術(shù)裝備落后、安全性無法得到保障。尾礦庫的干灘長度不但影響尾礦壩的安全超高還影響尾礦壩浸潤線的高度,同時還決定了尾礦庫的防洪能力,所以說,要保證尾礦庫正常平穩(wěn)運行就要重點監(jiān)測尾礦庫的干灘長度。干灘長度會隨著尾礦漿的不斷注入尾礦庫實時發(fā)生改變,這就決定了尾礦庫干灘長度的測量和普通一般長度的測量有著很大的區(qū)別,這就要求能夠?qū)崟r測量出干灘的長度,在很長的一段時間里,干灘長度的測量沒有一個又準確又可靠的方法。本文根據(jù)尾礦庫的特點設(shè)計了基于計算機視覺干灘長度測量的方法,并通過實驗室的模擬實驗和現(xiàn)場實際測量驗證了該方法的可行性。該方法有實施方便,測量誤差小的優(yōu)點,具有廣泛的應(yīng)用價值。在本文中用了攝像機及其計算機對尾礦庫的干灘長度實時測量,其內(nèi)容主要分為三部分:(1)測量前準備工作:標定攝像機的參數(shù)和標志桿的布置。(2)攝像機設(shè)備攝取尾礦庫照片,利用MATLAB軟件進行區(qū)域分割,拍攝的圖片被分離出干灘區(qū)域和庫區(qū)水面區(qū)域,(3)提取標志桿,根據(jù)計算機參數(shù)計算出尾礦庫干灘的長度。
[Abstract]:China is a large country of resources, and the exploitation and utilization of mineral resources is an important barometer of our national economy. In recent years, the population and economy of our country have increased by a large margin, and the consumption of metal products has increased more and more. The demand for mineral resources is bound to explode. China is a large resource consuming country, and metal mineral resources play an irreplaceable role in our national economy. The tailings reservoir is a dangerous source of man-made debris flow, and the rainfall generally increases in the summer rainy season, if the tailings reservoir breaks the levee once, It will cause irrevocable losses to the property and lives of the people living in the villages around it. The tailings reservoir in China is characterized by a small quantity of multiple models and the use of upstream damming methods to make it less stable. The tailings reservoir cannot bring economic benefits to enterprises. What's more, it is considered that the tailings reservoir is the burden of the enterprise, so the enterprise is unwilling to invest more in the tailings pond, and the insufficient attention to the tailings reservoir leads to fewer staff members and backward technical equipment to manage the tailings reservoir. Safety cannot be guaranteed. The length of the dry beach of the tailings dam not only affects the safety of the tailing dam, but also affects the height of the seepage line of the tailing dam, and it also determines the flood control capacity of the tailing dam, so, In order to ensure the normal and stable operation of the tailings reservoir, it is necessary to focus on monitoring the dry beach length of the tailings reservoir, which changes in real time with the incessant injection of the tailings slurry. This determines that the length measurement of dry beach in tailings reservoir is quite different from that in general length measurement, which requires that the length of dry beach can be measured in real time, and in a very long period of time, There is no accurate and reliable method for measuring dry beach length. According to the characteristics of tailings reservoir, a method of measuring dry beach length based on computer vision is designed in this paper. The feasibility of the method is verified by laboratory simulation experiments and field measurements. The method has the advantages of convenient implementation and small measurement error. In this paper, we use the camera and its computer to measure the dry beach length of the tailings reservoir in real time. The contents are divided into three parts: 1) preparation before measurement: calibration of camera parameters and layout of marker rod. Camera equipment takes pictures of tailings reservoir and uses MATLAB software to segment the area. The images taken were separated from the dry beach area and the water surface area of the reservoir area to extract the marker bar, and the length of the dry beach in the tailings reservoir was calculated according to the computer parameters.
【學(xué)位授予單位】：遼寧科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TD926.4

【相似文獻】

相關(guān)期刊論文 前10條

1 毛鵬軍,張慧,黃石生,薛家祥,曾敏;計算機視覺及其在焊接中的應(yīng)用[J];電焊機;2002年07期

2 王衛(wèi)星;浮選工業(yè)生產(chǎn)中的計算機視覺器[J];金屬礦山;2002年09期

3 王衛(wèi)星;浮選工業(yè)生產(chǎn)中的計算機視覺器[J];工礦自動化;2002年06期

4 杜全營,李來平,陳善本;三維計算機視覺及其在焊接中的應(yīng)用[J];焊接技術(shù);2004年04期

5 王樹文,張長利,房俊龍;基于計算機視覺的番茄損傷自動檢測與分類研究[J];農(nóng)業(yè)工程學(xué)報;2005年08期

6 李強;楊曉京;魏嵐;湯江龍;;基于計算機視覺的煙葉分離系統(tǒng)[J];現(xiàn)代制造工程;2006年05期

7 董慶利;胡孟晗;;應(yīng)用計算機視覺評定肉類品質(zhì)的研究進展[J];現(xiàn)代食品科技;2011年02期

8 萬鵬;孫鐘雷;宗力;;基于計算機視覺的玉米粒形檢測方法[J];中國糧油學(xué)報;2011年05期

9 李同強;甘建鵬;;基于計算機視覺的大米整精米率檢測[J];中國糧油學(xué)報;2011年08期

10 劉兵;;關(guān)于計算機視覺成像的研究分析[J];煤炭技術(shù);2013年06期

相關(guān)會議論文 前10條

1 謝麗欣;牟會;王歡;劉明霞;;基于計算機視覺的人臉檢測與識別綜述[A];第三屆全國軟件測試會議與移動計算、柵格、智能化高級論壇論文集[C];2009年

2 劉敏娟;洪添勝;李震;吳偉斌;劉志壯;;基于計算機視覺的荔枝檢測與分級方法[A];紀念中國農(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

3 孫潔瓊;孫明;;基于計算機視覺的水果外觀品質(zhì)檢測分級研究現(xiàn)狀[A];中國農(nóng)業(yè)工程學(xué)會電氣信息與自動化專業(yè)委員會、中國電機工程學(xué)會農(nóng)村電氣化分會科技與教育專委會2010年學(xué)術(shù)年會論文摘要[C];2010年

4 陳強;孫振國;;計算機視覺在焊接中的應(yīng)用[A];第十次全國焊接會議論文集（第1冊）[C];2001年

5 田涌濤;洪錫軍;王有慶;李從心;;計算機視覺在先進制造技術(shù)中的應(yīng)用[A];面向制造業(yè)的自動化與信息化技術(shù)創(chuàng)新設(shè)計的基礎(chǔ)技術(shù)——2001年中國機械工程學(xué)會年會暨第九屆全國特種加工學(xué)術(shù)年會論文集[C];2001年

6 王劃一;王效良;;計算機視覺在絎縫機自動編程及控制中的應(yīng)用[A];第二十屆中國控制會議論文集（下）[C];2001年

7 周紅;劉光蓉;;計算機視覺及其在谷物籽粒檢測分級中的應(yīng)用[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

8 宋小華;歐陽丹彤;;時空推理在計算機視覺的應(yīng)用[A];2006年全國理論計算機科學(xué)學(xué)術(shù)年會論文集[C];2006年

9 吳彥紅;劉木華;楊君;鄭華東;;大米外觀品質(zhì)的計算機視覺在線檢測技術(shù)研究[A];農(nóng)業(yè)機械化與新農(nóng)村建設(shè)——中國農(nóng)業(yè)機械學(xué)會2006年學(xué)術(shù)年會論文集（下冊）[C];2006年

10 閆曉霞;程蔭杭;;計算機視覺中圖像采集平臺的開發(fā)[A];全國ISNBM學(xué)術(shù)交流會暨電腦開發(fā)與應(yīng)用創(chuàng)刊20周年慶祝大會論文集[C];2005年

相關(guān)重要報紙文章 前10條

1 記者 李大慶;我在國際計算機視覺算法競賽中摘金[N];科技日報;2011年

2 滕繼濮;不放過一個“壞蛋”[N];糧油市場報;2011年

3 ;生活中的計算機視覺[N];中國計算機報;2006年

4 王悅承;逾30篇中國論文入選ICCV[N];中國計算機報;2005年

5 記者 楊杰 實習(xí)記者 李樂;農(nóng)機領(lǐng)域喜獲四項大獎[N];中國農(nóng)機化導(dǎo)報;2009年

6 本報記者 薛娟;未來搜索：沒有搜索的搜索[N];中國經(jīng)濟時報;2010年

7 本報記者 滕繼濮;無損檢測技術(shù)：不放過一個“壞蛋”[N];科技日報;2011年

8 張明平　記者 趙鳳華;蘋果的氣味“看”出來[N];科技日報;2009年

9 記者 常麗君;新軟件能“預(yù)測”你各年齡段長相[N];科技日報;2014年

10 記者 劉霞;新型“智能眼鏡”幫盲人導(dǎo)航[N];科技日報;2013年

相關(guān)博士學(xué)位論文 前10條

1 李慶中;蘋果自動分級中計算機視覺信息快速獲取與處理技術(shù)的研究[D];中國農(nóng)業(yè)大學(xué);2000年

2 謝存;計算機視覺中若干問題實現(xiàn)技術(shù)和算法的研究[D];大連理工大學(xué);2002年

3 孔明;顆粒粒徑和形態(tài)計算機視覺測量方法研究[D];東南大學(xué);2005年

4 劉釗;基于計算智能的計算機視覺及其應(yīng)用研究[D];武漢科技大學(xué);2011年

5 潘磊慶;基于計算機視覺和聲學(xué)技術(shù)融合檢測雞蛋品質(zhì)的研究[D];南京農(nóng)業(yè)大學(xué);2007年

6 王強;基于幾何代數(shù)的計算機視覺問題研究[D];國防科學(xué)技術(shù)大學(xué);2013年

7 王任大;基于計算機視覺的手勢交互技術(shù)及其在航海中的應(yīng)用[D];大連海事大學(xué);2014年

8 尹宏鵬;基于計算機視覺的運動目標跟蹤算法研究[D];重慶大學(xué);2009年

9 王習(xí)文;光電經(jīng)緯儀跟蹤飛機的3D計算機視覺研究[D];中國科學(xué)院研究生院（長春光學(xué)精密機械與物理研究所）;2010年

10 柴阿麗;基于計算機視覺和光譜分析技術(shù)的蔬菜葉部病害診斷研究[D];中國農(nóng)業(yè)科學(xué)院;2011年

，

本文編號：1521608