基于计算机视觉的粉尘污染在线监测与评价方法研究

作     者：尹江江 

作者单位：中南大学 

学位级别：硕士

导师姓名：王少锋;田富超

授予年度：2023年

学科分类：0819[工学-矿业工程] 081903[工学-安全技术及工程] 08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主      题：粉尘污染 灰度均值 分形维数 数字图像处理 深度学习 

摘      要：目前矿井粉尘的监测与评价存在着诸多不足,如利用传统的取样方法进行测尘时,实施过程繁琐,无法满足工作过程实时测尘的要求。非取样方法(如压电振动法、β射线法,震荡天平法等)技术实现成本较高,抗干扰性较弱,无法得到大规模的应用,其适用面也受到诸多局限。因此,本文从计算机视觉在粉尘颗粒识别中的应用基础出发,开发了可用于井下实际工况的粉尘污染监测与评价方法。为采集粉尘图像,建立了一套模拟粉尘产生、扩散的物理实验系统。同时,针对粉尘颗粒的全局、局部图像特征,基于数字图像处理和深度学习模型,开发了可快速识别并提取粉尘特征的程序方法。总结本文所做的工作,取得的主要研究成果概括如下:(1)设计并建立了基于图像处理的粉尘污染评价实验系统,该系统可模拟实际产尘工况。将定量粉尘在实验装置中下落,通过风机与可移动门控制风速及风量,进而控制风压,最终形成粉尘扩散场景。使用高清相机进行图像采集,将采集到的粉尘图像传输至计算机程序中,对图像进行处理,并进行相关的参数运算;此外,还可改变落尘孔距离、风速、风量、粉尘种类等实验变量研究其对粉尘图像特征的影响。(2)提出了基于优化的灰度均值法和分形维数理论的粉尘污染评价方法及其数学模型,用于地下开采过程或产尘点的粉尘污染监测与评价。该方法主要依靠建立的实验系统进行连续的图像采集。通过参数运算,分别得到灰度均值和分形维数与粉尘质量的线性、指数定量关系。同时,结合数字图像中的灰度、分形特征形成了粉尘污染指数来表征粉尘污染水平,由此避免了片面单一的参数评价。实验还讨论了风速和落尘孔距离对参数计算结果的影响。结果表明,风速与灰度均值呈正相关,且与落尘点呈负相关,分形维数和粉尘污染指数则对两者的变化表现得不太明显。此外,基于所提出的数字图像处理方法,提出了一个粉尘在线监测与评价拓扑应用框架图。(3)为进一步验证粉尘污染评价方法的有效性,开展了面向露天爆破烟尘污染的方法应用。首先对无人机记录的爆破视频进行图像帧提取,然后通过一系列的图像处理,分别计算其灰度均值和分形维数,两者结果从定量的角度都揭示了烟尘的三个发展阶段:生成阶段、尘云形成阶段和扩散阶段。与分形维数相比,灰度均值在量化污染物时拟合效果更好,这体现了烟尘图像具有更丰富的全局特征。为综合图像的全局和局部特征,基于灰度均值及分形维数提出了污染指数对其进行统一表征,并最终形成了四级危害分类机制。基于此评价机制,可对烟尘的污染状况展开进一步分析。(4)在数字图像处理方法的基础上,提出了一种数字图像处理结合深度学习框架的迁移学习模型,以分析图像灰度特征和粉尘质量之间的关系,进一步地开展粉尘污染程度评价。通过粉尘扩散模拟系统获得粉尘图像,计算图像的灰度均值,并采用了肖维勒统计准则和算术平均方法消除了异常数据。按照灰度均值与粉尘质量的拟合关系式将数据集分为四类,然后通过若干数据增强方式对深度学习模型的数据集进行了扩充。同时,采用了准确率、精确度、召回率和F1值对模型性能进行评价,结果均达到了良好水平。通过应用该方法,在快速得到粉尘污染水平的同时,也充分提高了粉尘污染评价的系统容错率。此外,还提出了基于深度学习方法为主、数字图像为辅的两级粉尘污染评价,该方法充分利用了两者在特征识别和特征学习的优势,为在实际工况中对粉尘污染进行有效可行的监测评价提供了指导。图37幅,表17个,参考文献80篇