掌桥专利:专业的专利平台
掌桥专利
首页

一种露天矿环境监测方法及环境监测系统

文献发布时间:2023-06-19 18:46:07


一种露天矿环境监测方法及环境监测系统

技术领域

本发明涉及环境监测领域,特别是涉及一种露天矿环境监测方法及环境监测系统。

背景技术

矿产资源是我国经济和社会发展的重要物质基础,矿业开发秩序的维护、露天矿环境的保护修复是推进生态文明的重要组成部分。坚持节约资源和保护环境的基本国策,建立反映资源消耗、环境损害、环境恢复和生态保护等矿产资源开发环境全流程的监测体系,开展矿产资源开发环境全要素全天候监测,一直是国家矿政管理的重要需求。现有露天矿采用人工监测,对于火煤扬尘人工识别劳动强度大,效率低,需要提供更加智能的解决方案。

发明内容

本发明的目的在于提供一种露天矿环境监测方法及环境监测系统,解决现有露天矿采用人工监测,对于火煤扬尘人工识别劳动强度大,效率低的问题。

根据本公开的第一方面,本发明提供了一种露天矿环境监测方法,所述方法包括:

步骤S1,采集露天矿火煤扬尘图像,并制作成数据集;数据集中的部分作为训练集使用;

步骤S2,搭建YOLO训练模型,并将训练集输入至训练模型进行训练,得到火煤扬尘识别模型;

步骤S3,实时采集待检测位置的图像,并滤除图像中的噪声;

步骤S4,将待检测位置的图像输入至所述火煤扬尘识别模型中进行识别,火煤扬尘识别模型输出识别结果,从而实现火煤扬尘的识别。

在本公开的一种示例性实施例中,所述步骤S1包括以下步骤:

步骤S1.1,获取露天矿现场视频;

步骤S1.2,用ffmpeg工具将获取的视频截取成一帧一帧的图片;

步骤S1.3,使用数据标注工具labelme对图片中的火煤扬尘进行标注,生成VOC格式的xml文件;

步骤S1.4,使用python将打标注后的文件转成YOLO模型所需要的txt文件格式;之后读取所有的图像和标注文件,将他们的文件名一一对应;按照7:2:1随机分成训练集、验证集和测试集;在data.yaml文件下写上nc类别数和训练集、验证集、测试集的文件地址;最后,将制作完成的数据集存入服务器。

在本公开的一种示例性实施例中,所述步骤S2包括以下步骤:

步骤S2.1,在图像运算服务器上使用anaconda拉取YOLO模型中requirement.txt文件中所需要的python库;并在图像运算服务器上安装cuda和cudnn,配置cuda和cudnn的环境变量,使用GPU对YOLO模型运行进行加速;

步骤S2.2,将训练集进行预处理:使用Mosaic数据增强通过随机缩放、随机剪裁、随机排布的方式进行拼接,使目标边界框的宽高与图像的宽高比例小于0.1或目标边界框面积与图像面积的比值开方小于0.03的小目标分布更加均匀;

步骤S2.3,下载YOLO模型的预训练权重;对YOLO模型的参数进行多次调整;优化网络模型:选择网络模型的深度、宽度,用来控制模型大小;将预处理后的数据集通过预训练权重参数进行训练,最后得到最优的网络训练权重参数。

在本公开的一种示例性实施例中,所述步骤S3包括以下步骤:

步骤S3.1,将露天矿采集到的视频数据传输到多路实时视频分析系统中进行推流处理,用于加速视频的编解码过程;

步骤S3.2,使用OpenCV将视频数据转化为图片数据;

步骤S3.3,通过OpenCV对视频帧的图片数据进行逐帧处理,其中,图片数据处理具体为:首先,对每一帧图片进行彩色图像灰度化处理,生成一个黑白灰度化图片;然后,对灰度化的图片进行二值化处理;图片数据处理的目的是将彩色图像转化为二值图像,在这个过程中滤除了图像中的噪声,使图片数据中的火煤扬尘和背景的边界更明显;同时把图片中部分等干扰因素进行过滤。

在本公开的一种示例性实施例中,还包括步骤S4,利用激光云台确定火煤扬尘位置。

在本公开的一种示例性实施例中,还包括步骤S5,设定报警阈值,当提取到的实时图片出现火煤或扬尘,并超过所设定的阈值时,对其进行报警。

在本公开的一种示例性实施例中,还包括环境参数报警;使用无线传感设备监测露天矿其他环境数据,通过无线传输将各项数值传送给服务器,设定报警阈值,当检测到的环境数据超过所设定的阈值时,对其进行报警。

根据本公开的第二方面,本申请还提供了一种环境监测系统,包括:

采集模块,用于采集露天矿火煤扬尘图像,并制作成数据集;数据集中的部分作为训练集使用;

训练模块,用于搭建YOLO训练模型,并将训练集输入至训练模型进行训练,得到火煤扬尘识别模型;

实时采集模块,用于实时采集待检测位置的图像,并滤除图像中的噪声;

识别模块,用于将待检测位置的图像输入至所述火煤扬尘识别模型中进行识别,火煤扬尘识别模型输出识别结果,从而实现火煤扬尘的识别。

根据本公开的第三方面,本申请还提供了一种计算机设备,所述计算机设备包括存储器和处理器,该存储器存储有计算机程序,该处理器执行该计算机程序时实现上述第一方面任一所述的方法。

第四方面,本申请还提供了一种计算机可读存储介质,该计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述第一方面任一所述的方法。

第五方面,本申请还提供了一种计算机程序产品,该计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述第一方面任一所述的方法。

本发明的有益效果在于:本发明提供了一种露天矿环境监测方法及环境监测系统,根据露天矿现场的视频数据流,通过YOLO模型识别火煤和扬尘,并根据激光云台快速定位火煤和扬尘方位;通过监测预警模块对超过阈值的火煤扬尘进行预警。相对于现有露天矿人工监测,能够有效的节约人工成本,提高环境监测效率。

附图说明

图1是本发明方法的流程示意图。

图2是本发明步骤S1.3打标注后图像示意图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。

需要说明的是,本申请实施例提供的露天矿环境监测方法,其执行主体可以是环境监测系统,该环境监测系统可以通过软件、硬件或者软硬件结合的方式实现成为计算机设备的部分或者全部,该计算机设备可以为服务器或者终端,其中,上文所述的服务器指的可以是一台服务器,也可以是由多台服务器组成的服务器集群,上文所述的终端可以为台式电脑、平板电脑、笔记本电脑或者智能手机等,本申请实施例不对终端的具体类型进行限定。下述方法实施例中,均以执行主体是计算机设备为例来进行说明。

实施例1

请参考图1,其示出了本申请实施例提供的一种露天矿环境监测方法的流程图,如图1所示,该露天矿环境监测方法包括以下步骤:

步骤S1,采集露天矿火煤扬尘图像,并制作成数据集;数据集中的部分作为训练集使用。

步骤S2,搭建YOLO训练模型,并将训练集输入至训练模型进行训练,得到火煤扬尘识别模型。

步骤S3,实时采集待检测位置的图像,并滤除图像中的噪声。

步骤S4,将待检测位置的图像输入至所述火煤扬尘识别模型中进行识别,火煤扬尘识别模型输出识别结果,从而实现火煤扬尘的识别。

优选的,所述步骤S1具体包括以下步骤:

步骤S1.1,在露天矿各个角落安装工业摄像头,用工业摄像头获取露天矿现场视频;

步骤S1.2,用ffmpeg工具将获取的视频截取成一帧一帧的图片;

步骤S1.3,安装数据标注工具labelme,通过可视化的操作界面对图片中的火煤扬尘进行标注,生成VOC格式的xml文件;需要注意的是,通过labelme工具对图片中火煤扬尘打标注时需要沿着火煤扬尘的边缘进行标注,并且把火煤扬尘所有信息标入框内(如图2所示)。

步骤S1.4,使用python将打标注后的文件转成YOLO模型所需要的txt文件格式;之后读取所有的图像和标注文件,将他们的文件名一一对应;按照7:2:1随机分成训练集、验证集和测试集。在data.yaml文件下写上nc类别数和训练集、验证集、测试集的文件地址。最后,将制作完成的数据集存入服务器。

优选的,所述步骤S2具体包括以下步骤:

步骤S2.1,在图像运算服务器上安装anaconda,并使用anaconda拉取YOLO模型中requirement.txt文件中所需要的python库。并在图像运算服务器上安装cuda和cudnn,配置cuda和cudnn的环境变量,使用GPU对YOLO模型运行进行加速。

步骤S2.2,将训练集进行预处理:使用Mosaic数据增强通过随机缩放、随机剪裁、随机排布的方式进行拼接,使目标边界框的宽高与图像的宽高比例小于0.1或目标边界框面积与图像面积的比值开方小于0.03的小目标分布更加均匀。

步骤S2.3,下载YOLO模型的预训练权重。对YOLO模型的一些参数进行多次调整,如:初始学习速率、最终学习率、热身学习率epoch、学习率热身初始动量、学习率热身偏执学习率。并优化网络模型:选择网络模型的深度、宽度,用来控制模型大小。将预处理后的数据集通过预训练权重参数进行训练,最后得到最优的网络训练权重参数。

优选的,所述步骤S3具体包括以下步骤:

步骤S3.1,将露天矿采集到的视频数据传输到多路实时视频分析系统(如Deepstream平台)中进行推流处理,用于加速视频的编解码过程。

步骤S3.2,使用OpenCV(OpenSourceComputerVisionLibrary)将视频数据转化为图片数据,OpenCV是指开源计算机视觉库。

步骤S3.3,通过OpenCV对视频帧的图片数据进行逐帧处理,其中,图片数据处理具体为:首先,对每一帧图片进行彩色图像灰度化处理,生成一个黑白灰度化图片;然后,对灰度化的图片进行二值化处理;图片数据处理的目的是将彩色图像转化为二值图像,在这个过程中滤除了图像中的噪声,使图片数据中的火煤扬尘和背景的边界更明显;同时把图片中部分等干扰因素进行过滤(通过设置二值化函数设置阈值,去除部分露天矿等因素的干扰)。

进一步的,本发明上述露天矿环境监测方法还可以包括:

步骤S4,利用激光云台确定火煤扬尘位置;具体的,采用高精度陀螺的角度及加速度信息驱动电机,使激光云台上搭载的摄像机及激光发射器的指向与锁定目标在惯性空间保持不变,实现目标锁定和自动跟踪,从而实时锁定并跟踪火煤扬尘的位置。

进一步的,本发明上述露天矿环境监测方法还可以包括:

步骤S5,设定报警阈值,当提取到的实时图片出现火煤或扬尘,并超过所设定的阈值时,对其进行报警。本方法的报警功能主要指将运算服务器提取的图像特征信息传到报警系统,报警系统给现场设备发出报警信息,从而实现报警功能。具体实现如下:如采用Java处理kafka消息来实现报警功能,在opencv中提取图像特征,将特征传输到多路实时分析系统deepstream框架中,deepstream将每一帧的特征以kafka消息序列的形式发送给java后续推理,java处理根据特征信息反馈回两条命令:一是反馈给deepstream,对有问题的图像进行保存;二是给现场设备提示是否报警。

进一步的,本发明上述露天矿环境监测方法还可以包括:环境参数报警;具体的,使用无线传感设备监测露天矿其他环境数据,例如,安装ZL7000气象传感器,通过气象传感器采集矿山现场的风速、风向、大气压力、大气温度、相对湿度、雨量和太阳总辐射共7要素的信息。ZL7000气象传感器分为两种模式:广播模式和问答模式。广播模式发送实时气象信息数据,问答模式可以根据需求输出指定间隔时间内的气象数据。再如,安装百叶箱多合一传感器,通过百叶箱多合一传感器获得噪声、PM2.5、PM10共3项环境信息。采用百叶箱塑料盘片将多种传感器结合,可以有效地应对极端的气候条件。首先对每一个传感器的寄存器地址进行配置,再通过读取Modbus寄存器地址的值可以获取各个传感器的实时值,每次可以读取一个或多个的寄存器值。

根据上述两个传感器测出具体矿山环境数据值,通过4G物联网流量卡将各项数值传送给服务器。

进一步,本发明通过后台管理系统对矿山环境环境进行监测。利用环境监测系统和机器视觉监测系统的多元数据在矿山上组成系统环境监测网络,对矿山上环境的噪声、温度、风力可形成的基本污染特征进行识别,为下一步的环境治理,提供基础的监测技术方案。

环境监测管理系统通过固定式和移动式的环境监测基站监测的风速、风向、大气压力、大气温度、相对湿度、雨量和太阳总辐射、噪声、PM2.5、PM10等传感器数据进行综合统计,信息的统计主要包括以下统计功能:①统计查询日、月、年维度的三要素(温度、湿度、气压)和五要素(温度,湿度,风速,风向,降雨量)的高精度气象信息;②统计查询未来24小时内的8要素高精度气象信息;③查询固定式、移动式单台基站的噪声、温度、风力等气象数据。

机器视觉监测系统主要是对Deepstream实时视频流人工智能分析平台、YOLO目标检测模型系统、图像识别算法系统中的识别出的火煤扬尘进行实时显示。

后台管理系统主要包括用户管理、权限管理、数据管理、系统管理、环境监测基站和视觉识别监控的配置管理功能。用户管理主要是对企业中涉及到的相关部门和业务人员提供本系统用户的增加、修改、删除、查看的功能。权限管理系统主要是对系统用户进行权限管理,权限主要分为超级管理员、系统管理员、部门管理员、普通用户这几类。超级管理员和系统管理员可以对普通用户进行权限增加、修改和删除的功能,权限修改和删除记录都会存储到系统日志中。系统管理主要包括对系统菜单、数据备份、日志记录、数据导入和导出等功能进行管理,增加、修改、删除操作会记录到日志系统中。

环境监测基站配置管理功能主要是针对日后增加固定或移动式环境监测基站提供基础的配置扩展管理功能,除此之外还可以对现有的固定或移动式环境监测基站进行修改操作,本配置管理功能只能超级管理员才能操作,非专业工作人员无权限操作,同时操作记录也会被记录到日志系统中。

应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

实施例2

基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的露天矿环境监测方法的环境监测系统。该系统所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个环境监测系统实施例中的具体限定可以参见上文中对于露天矿环境监测方法的限定,在此不再赘述。

在一个实施例中,一种环境监测系统,包括:

采集模块,用于采集露天矿火煤扬尘图像,并制作成数据集;数据集中的部分作为训练集使用。

训练模块,用于搭建YOLO训练模型,并将训练集输入至训练模型进行训练,得到火煤扬尘识别模型。

实时采集模块,用于实时采集待检测位置的图像,并滤除图像中的噪声。

识别模块,用于将待检测位置的图像输入至所述火煤扬尘识别模型中进行识别,火煤扬尘识别模型输出识别结果,从而实现火煤扬尘的识别。

进一步的,本发明上述露天矿环境监测系统还可以包括:火煤扬尘位置定位模块,利用激光云台确定火煤扬尘位置;具体的,采用高精度陀螺的角度及加速度信息驱动电机,使激光云台上搭载的摄像机及激光发射器的指向与锁定目标在惯性空间保持不变,实现目标锁定和自动跟踪,从而实时锁定并跟踪火煤扬尘的位置。

进一步的,本发明上述露天矿环境监测系统还可以包括:火煤扬尘监测报警模块;用于设定报警阈值,当提取到的实时图片出现火煤或扬尘,并超过所设定的阈值时,对其进行报警。本方法的报警功能主要指将运算服务器提取的图像特征信息传到报警系统,报警系统给现场设备发出报警信息,从而实现报警功能。具体实现如下:如采用Java处理kafka消息来实现报警功能,在opencv中提取图像特征,将特征传输到多路实时分析系统deepstream框架中,deepstream将每一帧的特征以kafka消息序列的形式发送给java后续推理,java处理根据特征信息反馈回两条命令:一是反馈给deepstream,对有问题的图像进行保存;二是给现场设备提示是否报警。

进一步的,本发明上述露天矿环境监测系统还可以包括:环境参数报警模块;具体的,使用无线传感设备监测露天矿其他环境数据,并设定报警阈值,当检测到的环境数据超过所设定的阈值时,对其进行报警。

上述环境监测系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种空间划分方法。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(MagnetoresistiveRandomAccessMemory,MRAM)、铁电存储器(FerroelectricRandomAccessMemory,FRAM)、相变存储器(PhaseChangeMemory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(RandomAccessMemory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(StaticRandomAccessMemory,SRAM)或动态随机存取存储器(DynamicRandomAccessMemory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。

以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。

技术分类

06120115686737