基于机器视觉对爆堆岩块图像处理识别的研究

论文摘要

爆破块度是衡量爆破效果的重要指标,建立快速、高效的爆破块度检测技术和识别方法,可快速量化反馈爆破效果、减少爆破块度检测技术人员工作强度及对采装工作的影响。为此,将机器视觉技术引入爆堆块度信息的检测,针对大规模爆堆岩块互相粘连、形状不规则、块度差异大和采取的图像噪点多等特点,通过爆堆岩块图像处理识别系统开发和工程应用开展课题研究,具体的研究内容与主要成果如下。(1)爆堆岩块图像处理识别系统开发。针对爆堆岩块图像特点提出了岩石场景图像去噪方法和分析方法,开发了基于ImagePy的BFAS爆堆块度分析软件。首先,二次开发双边滤波插件,通过实验分析建立了双边滤波参数的选取方法;然后,应用自适应阈值化算法、数学形态学方法对岩石二值图像进行二次处理。最后,运用爆破块度评价指标建立了爆堆图像块度评价指标体系,包括块度分布直方图、块度累积分布曲线、大块率等定量评价指标。(2)大规模土石方爆堆图像的采集设计。根据大规模爆堆堆形、采装工艺及场景环境特点,提出了爆堆图像采集的基本原则,分别设计了爆堆表层图像采集方案和爆堆空间分层图像采集方案,为爆堆块度空间分布数据采集提供依据。(3)工程应用。对某工程的5次爆破进行了现场图像采集、图像处理和量化评价,得出大块率、块度分布直方图、块度累积分布曲线等评价指标,并对现场爆破效果进行了综合分析与评价。基于ImagePy开发的BFAS爆堆块度分析软件能够较好地解决爆堆岩块图像块度的高效识别问题,对推进岩石图像块度分析软件的国产化和爆堆岩块检测技术智能化有重要的意义。

论文目录

• 摘要
• Abstract
• 第1章 绪论
•   1.1 论文的研究背景及意义
•   1.2 国内外研究现状
•     1.2.1 爆堆块度识别方法
•     1.2.2 爆堆块度识别的机器视觉技术
•     1.2.3 爆堆岩块图像采集
•   1.3 研究内容与技术路线
•     1.3.1 研究内容
•     1.3.2 技术路线
• 第2章 IMAGEPY图像处理框架及功能拓展
•   2.1 IMAGEPY软件基本功能框架
•   2.2 IMAGEPY图像处理基本功能
•   2.3 插件拓展
•   2.4 本章小结
• 第3章 基于IMAGEPY的 BFAS爆破块度识别程序开发与实现
•   3.1 爆堆岩块图像识别程序框图
•   3.2 岩块图像预处理方法
•     3.2.1 图像预处理流程
•     3.2.2 黏连图像预处理方法设计
•     3.2.3 非黏连图像预处理
•   3.3 岩块图像分析识别方法
•     3.3.1 岩块图像分析识别流程
•     3.3.2 标记物标定
•     3.3.3 分水岭算法
•     3.3.4 非黏连图像块度识别
•     3.3.5 黏连图像块度识别
•   3.4 岩块图像识别成果生成与评价
•   3.5 爆堆图像块度识别程序实现
•   3.6 本章小结
• 第4章 工程应用
•   4.1 工程简介
•   4.2 图像采集策略
•     4.2.1 大规模土石方爆堆岩块采集基本原则
•     4.2.2 爆堆表层图像采集方案设计
•     4.2.3 爆堆分层图像采集方案设计
•   4.3 现场岩石图像块度分析
•   4.4 现场岩石爆破效果评价
•   4.5 本章小结
• 第5章 结论与展望
•   5.1 结论
•   5.2 展望
• 参考文献
• 攻读硕士学位期间发表的学术论文
• 致谢

文章来源

类型: 硕士论文

作者: 彭贯军

导师: 杨仕教,朱忠华

关键词: 爆破效果,块度识别,图像分割,图像采集,块度评价指标

来源: 南华大学

年度: 2019

分类: 基础科学,工程科技Ⅱ辑,信息科技

专业: 地质学,建筑科学与工程,计算机软件及计算机应用

单位: 南华大学

基金: 广东锡源爆破科技股份有限公司

分类号: TP391.41;TU45

DOI: 10.27234/d.cnki.gnhuu.2019.000612

总页数: 64

文件大小: 4297K

下载量: 116