[发明专利]一种钻锚孔识别方法、系统、电子设备及介质在审
| 申请号: | 202211519958.2 | 申请日: | 2022-11-30 |
| 公开(公告)号: | CN116109813A | 公开(公告)日: | 2023-05-12 |
| 发明(设计)人: | 张旭辉;吴雨佳;雷孟宇;韩磊;万继成;王悦 | 申请(专利权)人: | 西安科技大学;渭南陕煤启辰科技有限公司 |
| 主分类号: | G06V10/22 | 分类号: | G06V10/22;G06T5/00;G06T7/12;G06V10/774;G06V10/82 |
| 代理公司: | 北京高沃律师事务所 11569 | 代理人: | 常祖正 |
| 地址: | 710054 陕*** | 国省代码: | 陕西;61 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 钻锚孔 识别 方法 系统 电子设备 介质 | ||
1.一种钻锚孔识别方法,其特征在于,所述钻锚孔识别方法包括:
采集综掘工作面图像;
根据所述综掘工作面图像中各像素点的场景深度及灰度值,基于边界约束及上下文正则化方法,计算各像素点的最优透射率;
根据各像素点的最优透射率,基于大气散射模型,对所述综掘工作面图像进行去雾处理,得到无雾图像;
基于非线性变换,对所述无雾图像进行增强处理,得到增强图像;
基于钻锚孔识别模型,对所述增强图像中的钻锚孔边界框进行识别,以确定所述增强图像中的钻锚孔;所述钻锚孔识别模型为预先采用训练样本集对YOLOv5s进行训练得到的;所述训练样本集中包括多张样本增强图像及各样本增强图像中的钻锚孔边界框标记。
2.根据权利要求1所述的钻锚孔识别方法,其特征在于,所述根据所述综掘工作面图像中各像素点的场景深度及灰度值,基于边界约束及上下文正则化方法,计算各像素点的最优透射率,具体包括:
针对所述综掘工作面图像中的任一像素点,根据所述像素点的场景深度,确定所述像素点的初始透射率;
根据所述像素点的灰度值,基于边界约束方法确定所述像素点的粗略透射率;
基于上下文正则化方法,根据所述像素点的初始透射率及粗略透射率,确定场景透射率的目标函数;
采用交替最小化算法对所述目标函数进行优化求解,直至目标函数收敛时,得到所述像素点的最优透射率。
3.根据权利要求2所述的钻锚孔识别方法,其特征在于,采用以下公式,确定像素点x的初始透射率:
t(x)=e-βd(x);
其中,t(x)为像素点x的初始透射率,β为介质消光系数,d(x)为像素点x的场景深度。
4.根据权利要求2所述的钻锚孔识别方法,其特征在于,采用以下公式,计算像素点x的粗略透射率:
其中,为像素点x的粗略透射率,ωx为综掘工作面图像中以像素点x为中心的局部块,ωy为综掘工作面图像中以像素点y为中心的局部块,tb(z)为综掘工作面图像中像素点z的灰度值。
5.根据权利要求2所述的钻锚孔识别方法,其特征在于,所述目标函数为:
其中,t(x)为像素点x的初始透射率,λ为正则化参数,为像素点x的粗略透射率,ω为综掘工作面图像中像素点的索引集,Wj为权重矩阵,uj为辅助变量,γ为权重,Dj为差分算子,为卷积运算符,||*||1为*的1-范数,||*||2为*的2-范数。
6.根据权利要求2所述的钻锚孔识别方法,其特征在于,采用以下公式,确定像素点x的最优透射率:
其中,t*(x)为像素点x的最优透射率,λ为正则化参数,γ为权重,为像素点x的粗略透射率,ω为综掘工作面图像中像素点的索引集,Dj为差分算子,uj为辅助变量,FFT为傅里叶变换,FFT-1为傅里叶逆变换,为FFT(Dj)的复共轭,·为矩阵点乘。
7.根据权利要求1所述的钻锚孔识别方法,其特征在于,采用以下公式,对所述综掘工作面图像进行去雾处理:
其中,J(x)为无雾图像中像素点x的强度值,I(x)为综掘工作面图像中像素点x的强度值,t*(x)为像素点x的最优透射率,A为大气光值,ε为常数,δ为介质消光系数。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西安科技大学;渭南陕煤启辰科技有限公司,未经西安科技大学;渭南陕煤启辰科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202211519958.2/1.html,转载请声明来源钻瓜专利网。





