APP下载

基于遗传算法的OTSU煤矿井筒裂缝快速识别方法

2016-06-03岳国伟卢秀山贾红果刘如飞山东科技大学山东省青岛市266590

中国煤炭 2016年4期

岳国伟 卢秀山 贾红果 刘如飞(山东科技大学,山东省青岛市,266590)



基于遗传算法的OTSU煤矿井筒裂缝快速识别方法

岳国伟 卢秀山 贾红果 刘如飞
(山东科技大学,山东省青岛市,266590)

摘要井筒巡检仪采集的井筒序列影像,占用存储空间达90G以上,数据量大,分析处理费时费力。最大类间方差法作为一种典型的图像自适应阈值分割方法,在进行图像分割时,存在计算复杂度高、时间消耗多、分割精度低等问题。为提高裂缝识别效率,提出了一种基于遗传算法的OTSU煤矿井筒裂缝快速识别方法,遗传算法用来提高迭代求解速度和计算效率。实验结果表明,本文方法不仅能缩短运算时间30%以上,而且能够快速准确识别井筒裂缝病害,提高井筒巡检的自动化程度。

关键词遗传算法 最大类间方差法 井筒巡检 裂缝识别

煤矿生产中,竖井井筒是人员上下、煤炭出井、物料收送的重要通道,是整个煤炭生产的安全出口。随着井筒服役年限的增加,井筒内部会出现一些井筒病害,如井壁裂缝等。目前井筒巡检主要采取人工巡检的方式,病害识别能力低,且存在较大人身安全隐患。为改善井筒巡检方式和手段,提高巡检自动化程度和病害识别能力,本文引入图像处理技术,对井筒裂缝进行自动识别。

关于图像裂缝目标识别,当前已有不少研究成果,研究领域主要集中在地铁隧道裂缝识别、道路路面裂缝检测、古建筑裂缝检测等。目前,对煤矿井筒图像裂缝识别还很少有人研究。……

登录APP查看全文