基于机器视觉的煤矿井下钻杆计数方法研究与实现

发布时间：2017-08-25 22:04

  本文关键词：基于机器视觉的煤矿井下钻杆计数方法研究与实现

  更多相关文章： 瓦斯抽采 目标检测 目标跟踪 钻杆计数系统

【摘要】：瓦斯爆炸、突出等瓦斯事故是煤矿生产过程中最大的一类安全隐患[1]。因此,对煤矿瓦斯综合治理最有效的方法是瓦斯抽采技术。目前,对于瓦斯抽采钻孔深度的测量基本采用随钻测量的方法进行;而对于打钻后的监督测量,仍然采用人工抽检探测的方式,存在极大的安全隐患。机器视觉技术是一门多学科融合的技术,主要目的是获取目标的图像信号,并且通过图像处理模块对图像进行一系列的处理,从而检测出目标的特征信息,进而与决策模块以及控制模块做出一定的协调。研究了一种基于机器视觉技术的钻杆计数系统,通过对煤矿井下打钻视频图像进行智能处理,从而实现钻杆的自动计数,该课题对于加强煤矿安全管理,具有重要意义。本系统首先在钻机的钻头处设置标识装置,利用煤矿井下摄像仪拍摄瓦斯抽采钻机的运行图像,并通过以太环网将图像传输给工控机的图像处理系统,从而进行图像预处理、特征提取、目标检测、目标跟踪,最终实现钻杆的自动计数。针对钻机上标识物的目标检测问题,对Vibe目标检测算法做了大量改进,提出了一个适用于井下钻机前景区域检测的目标检测方法。在初始化背景模型阶段采用中值背景建模方法快速地划定背景区以及前景区域;在背景检测与更新阶段采用自衰减的更新方式去除鬼影区域;在最后阶段,提取Vibe检测到的目标的边缘与原目标取或运算,最终得到较理想的运动目标。针对钻机上标识物的跟踪问题,传统的Camshift算法对钻杆标识物的目标跟踪容易受到遮挡及工人头灯光照的干扰,并且在计数初始时需要手动框选标识目标,为此,提出了一种基于改进Camshift算法的钻机标识物目标跟踪算法:(1)采用模版匹配的方法定位跟踪目标在第一帧中的位置,取代鼠标框选搜索窗口方式;(2)将运动特征与颜色特征相融合,来解决相似颜色干扰问题;(3)采用卡尔曼滤波器来解决部分遮挡问题。该算法在钻头标识物跟踪中具有一定的鲁棒性。本系统硬件组成主要包括煤矿井下防爆摄像仪、光端机、视频服务器、工控机和照明装置等。应用Visua1 Studio 2012+OpenCV函数库,开发了界面友好的图像处理软件系统,实现了钻杆的自动计数。根据现场图像所做的试验结果表明,本研究所设计的煤矿井下钻杆自动计数系统的计数效度可达80%以上,基本满足了实际的需求。
【关键词】：瓦斯抽采 目标检测 目标跟踪 钻杆计数系统
【学位授予单位】：西安科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TD712.63;TP391.41
【目录】：

• 摘要3-5
• ABSTRACT5-10
• 1 绪论10-16
• 1.1 选题背景及研究意义10-11
• 1.2 国内外研究现状11-12
• 1.3 本文研究的主要内容12-14
• 1.4 本文的章节安排14-16
• 2 钻杆计数系统设计方案16-19
• 2.1 钻杆计数的常见方法16-17
• 2.2 钻机打钻过程分析17
• 2.3 基于机器视觉的钻杆计数方案17-18
• 2.3.1 钻杆计数方案17-18
• 2.3.2 钻杆计数具体方法18
• 2.4 本章小结18-19
• 3 运动目标跟踪关键技术19-34
• 3.1 图像预处理19-23
• 3.1.1 图像降噪与增强20-22
• 3.1.2 HSV颜色空间模型22-23
• 3.1.3 RGB转换到HSV颜色空间23
• 3.2 目标检测常用方法23-28
• 3.2.1 光流法23-24
• 3.2.2 帧间差分法24-25
• 3.2.3 背景减除法25-26
• 3.2.4 Vibe目标检测算法26-28
• 3.3 目标跟踪常用方法28-33
• 3.3.1 基于运动分析的跟踪29
• 3.3.2 基于数据统计的跟踪29-31
• 3.3.3 基于模型匹配的跟踪31-33
• 3.4 本章小结33-34
• 4 钻机前景区域检测方法34-43
• 4.1 Vibe目标检测算法优点34-35
• 4.2 Vibe目标检测算法的不足35-37
• 4.2.1 鬼影区域问题35-36
• 4.2.2 静止目标问题36
• 4.2.3 目标轮廓不完整问题36-37
• 4.3 改进的Vibe目标检测算法37-40
• 4.3.1 解决鬼影区域38-39
• 4.3.2 解决静止目标问题39
• 4.3.3 解决目标不完整问题39-40
• 4.4 实验结果和分析40-41
• 4.5 本章小结41-43
• 5 钻机标识物跟踪方法43-56
• 5.1 Camshift目标跟踪方法43-45
• 5.1.1 生成直方图与反向投影图43-44
• 5.1.2 Meanshift算法寻找质心的过程44
• 5.1.3 Camshift算法详细步骤44-45
• 5.2 基于卡尔曼滤波器的Camshift目标跟踪算法45-49
• 5.2.1 自动化选择搜索窗口46
• 5.2.2 运动特征模型46-47
• 5.2.3 多特征融合策略47-48
• 5.2.4 基于卡尔曼滤波器的运动目标的状态估计48-49
• 5.3 实验结果和分析49-55
• 5.3.1 用模版匹配的方法代替鼠标框选搜索窗口49-50
• 5.3.2 将运动特征与颜色特征相结合代替了单一的颜色特征50-51
• 5.3.3 将卡尔曼滤波器与Camshift算法结合在一起51
• 5.3.4 测试改进后算法跟踪稳定性51-53
• 5.3.5 改进后的 Camshift 算法与其它跟踪方法进行对比53-55
• 5.4 本章小结55-56
• 6 系统实现与测试56-62
• 6.1 系统概述56-57
• 6.1.1 系统硬件开发环境组成56-57
• 6.1.2 系统软件开发环境57
• 6.2 软件系统组成57-58
• 6.3 系统软件界面与测试结果58-62
• 7 结论62-64
• 7.1 总结62-63
• 7.2 展望63-64
• 致谢64-65
• 参考文献65-68
• 附录68

【相似文献】

中国期刊全文数据库 前10条

1 刘曙光,屈萍鸽,费佩燕;机器视觉在纺织检测中的应用[J];纺织学报;2003年06期

2 赵茂程;侯文军;;我国基于机器视觉的水果自动分级技术及研究进展[J];包装与食品机械;2007年05期

3 张五一;赵强松;王东云;;机器视觉的现状及发展趋势[J];中原工学院学报;2008年01期

4 牛一帆;;机器视觉在印刷质量检测中的应用[J];印刷质量与标准化;2009年09期

5 牛一帆;;机器视觉在印刷质量检测中的应用[J];广东印刷;2009年05期

6 杨继志;郭敬;;机器视觉在烟草行业的应用[J];机电产品开发与创新;2011年06期

7 王蕾;刘建立;高卫东;;基于机器视觉的织物洗涤后尺寸稳定性评价[J];纺织学报;2012年07期

8 张晶;刘东明;;基于机器视觉的工件检测系统研究[J];硅谷;2012年09期

9 张树君;辛莹莹;陈大千;;基于机器视觉的饮料瓶标签检测设备[J];食品研究与开发;2014年03期

10 黄星奕;钱媚;徐富斌;;基于机器视觉和近红外光谱技术的杏干品质无损检测[J];农业工程学报;2012年07期

中国重要会议论文全文数据库 前10条

1 赵磊;董吉文;李金屏;;拓扑理论在机器视觉中的研究进展[A];全国第十五届计算机科学与技术应用学术会议论文集[C];2003年

2 张彦东;;基于机器视觉的连接器装配机床改造研究[A];首届珠中江科协论坛论文集[C];2011年

3 蔡小秧;陈文楷;;机器视觉中的鲁棒估计技术[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

4 刘雅举;李娜;张莉;李东明;;机器视觉在药用玻璃瓶质量检测中的研究[A];2007年河北省电子学会、河北省计算机学会、河北省自动化学会、河北省人工智能学会、河北省计算机辅助设计研究会、河北省软件行业协会联合学术年会论文集[C];2007年

5 吴庆华;代娜;黄俊敏;程志辉;何涛;;基于机器视觉的轴承二维尺寸检测[A];第六届全国信息获取与处理学术会议论文集（1）[C];2008年

6 马连峰;张秋菊;;基于机器视觉的彩色套印检测技术研究[A];第十一届全国包装工程学术会议论文集（二）[C];2007年

7 金守峰;张慧;;面向机器视觉的织物纬斜检测方法[A];全国先进制造技术高层论坛暨第九届制造业自动化与信息化技术研讨会论文集[C];2010年

8 管庶安;周龙;陈永强;廖明潮;;机器视觉在粮食品质检测中的应用研究[A];中国粮油学会第三届学术年会论文选集（下册）[C];2004年

9 张伟华;陈军;连世江;贾海政;;机器视觉及其在农业机械中的应用综述[A];2007年中国农业工程学会学术年会论文摘要集[C];2007年

10 沈宝国;陈树人;尹建军;;基于机器视觉的棉田杂草精确定位研究[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会（CSAE 2009）论文集[C];2009年

中国重要报纸全文数据库 前10条

1 本报记者 李剑琦;机器视觉行业整合正热 中国市场尚处萌芽期[N];机电商报;2005年

2 本报记者 董碧娟;解密机器视觉“第三只眼”[N];经济日报;2013年

3 本报记者 郭涛;机器视觉：为机器装上“眼睛”和“大脑”[N];中国高新技术产业导报;2014年

4 张均;德国机器视觉传感器市场前景好[N];中国贸易报;2007年

5 金刚;给机器一双慧眼[N];计算机世界;2007年

6 朱广菁;机器视觉怎样“看”不合格产品[N];大众科技报;2008年

7 宋昆;用机器视觉控制烟草质量[N];计算机世界;2007年

8 张栋;西安光电子专业孵化器举办专业展览会[N];中国高新技术产业导报;2007年

9 王遐;机器视觉:药品包装在线检测系统开发成功[N];中国包装报;2010年

10 点评人 高炎 黄牧青 刘笑一 李士杰 北京大学技术转移中心;机器视觉辅助冬季道路状况监测[N];科技日报;2014年

中国博士学位论文全文数据库 前10条

1 梁卓锐;机器视觉手势交互的交互映射研究[D];华南理工大学;2015年

2 孟庆宽;基于机器视觉的农业车辆—农具组合导航系统路径识别及控制方法研究[D];中国农业大学;2014年

3 田明锐;基于机器视觉的散料装车控制系统研究[D];长安大学;2016年

4 葛动元;面向精密制造与检测的机器视觉及智能算法研究[D];华南理工大学;2013年

5 饶洪辉;基于机器视觉的作物对行喷药控制系统研究[D];南京农业大学;2006年

6 龚爱平;基于嵌入式机器视觉的信息采集与处理技术研究[D];浙江大学;2013年

7 陈丽君;基于机器视觉的变量喷雾控制系统研究[D];沈阳农业大学;2009年

8 徐晓秋;机器视觉球面孔位快速精密测量系统的研究[D];四川大学;2006年

9 成芳;稻种质量的机器视觉无损检测研究[D];浙江大学;2004年

10 程洪;面向园艺应用的机器视觉目标辨识方法创新[D];中国农业大学;2015年

中国硕士学位论文全文数据库 前10条

1 冼志军;锡膏印刷机误差与锡膏印刷质量检测技术研究[D];华南理工大学;2015年

2 孙斌;基于FPGA的压力表盘机器视觉研究与实现[D];昆明理工大学;2015年

3 许哲;基于机器视觉的快速测温热电偶焊接技术研究[D];河北联合大学;2014年

4 李鹏;基于机器视觉的PCB工业在线检测系统研究[D];昆明理工大学;2015年

5 佘燕玲;以用户为中心的机器视觉手势交互空间映射关系研究[D];华南理工大学;2015年

6 孙中国;基于机器视觉的面粉袋码垛机器人研究[D];山东建筑大学;2015年

7 漆静;基于机器视觉集装箱吊具智能定位系统研究[D];西南交通大学;2015年

8 张文;基于机器视觉的通信装备故障识别研究[D];西南交通大学;2015年

9 冉宝山;基于机器视觉的装料系统试验研究[D];长安大学;2015年

10 冯康;基于机器视觉的棉花识别与定位技术的研究[D];石河子大学;2015年

，

本文编号：738365