基于機器視覺的煤礦井下鉆桿計數(shù)方法研究與實現(xiàn).pdf

1、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的圖像信號，并且通過圖像處理模塊對圖像進行一系列的處理，從而檢測出目標的特征信息，進而與決策模塊以及控制模塊做出一定的協(xié)調(diào)。

2、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)，從而進行圖像預(yù)處理、特征提取、目標檢測、目標跟蹤，最終實現(xiàn)鉆桿的自動計數(shù)。
　　針對鉆機上標識物的目標檢測問題，對Vibe目標檢測算法做了大量

3、改進，提出了一個適用于井下鉆機前景區(qū)域檢測的目標檢測方法。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檢測到的目標的邊緣與原目標取或運算，最終得到較理想的運動目標。
　　針對鉆機上標識物的跟蹤問題，傳統(tǒng)的Camshift算法對鉆桿標識物的目標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識目標，為此，提出了

4、一種基于改進Camshift算法的鉆機標識物目標跟蹤算法：○1采用模版匹配的方法定位跟蹤目標在第一幀中的位置，取代鼠標框選搜索窗口方式；○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 Studio2012+OpenCV函數(shù)庫，開發(fā)了界面友