[发明专利]煤岩分界线的识别方法、装置及电子设备

说明书

本申请实施例公开了一种煤岩分界线的识别方法、装置及电子设备，本申请实施例中，煤岩分界线的识别装置获取工作面与顶板相交部分的ROI图像；对该图像进行截断线性拉伸处理，得到拉伸处理后图像，然后基于训练后的目标煤岩分类模型，将拉伸处理后图像中的像素进行煤岩分类，得到煤岩分类结果图像；采用加权平均法对煤岩分类结果图像进行灰度化处理，得到煤岩分类结果图像对应的灰度图像；采用阈值法对灰度图像进行二值化处理，得到二值化图像；再对二值化图像进数学形态学的闭运算处理和开运算处理，数学形态学处理后图像；最后对数学形态学处理后图像进行边界跟踪处理，识别得到目标矿井的煤岩分界线。本方案可以对煤岩分界线进行精准识别。

技术领域

本申请涉及图像处理技术领域，具体涉及一种煤岩分界线的识别方法、装置及电子设备。

背景技术

煤岩识别技术是实现煤矿智能开采和巷道自动化智能掘进的一大关键技术，主要目的是对煤-岩分界线精准识别，进而确保采煤机/掘进机沿着煤-岩分界面跟顶或者跟底截割。

人工采煤/掘进或当前机械化采煤/掘进可以通过肉眼近距离识别煤-岩分界面，但对于智能开采/掘进甚至未来无人开采/掘进，必须进行自动化的煤岩识别。

由于煤岩识别难度大，采用传统接触式和非接触式识别方法实施时均会遇到不同程度的问题。近年来，基于图像的煤岩识别方法成为研究的热点，是最直观的一种识别方法。但目前图像识别同样只能对图片中的目标进行分类，并不能实际指导截割滚筒的高度调整。随着人工智能的兴起，有学者将深度学习目标检测算法用于煤岩识别，该方法可以表示煤岩的位置，但不论何种形状的目标都只能用矩形框框出来，识别精度也有待进一步提高。

而基于数字图像处理技术的研究比较少，即便有学者通过边缘检测和滤波等方式提高边缘提取的效果，但同时也提取到了很多煤岩内部的边缘，不利于指导截割滚筒高度调整，因此，迫切需要一种煤岩界面自动化智能化精准识别方法，利用该方法精准指导采煤机/掘进机截割滚筒的截割高度调整。

发明内容

本申请实施例提供一种煤岩分界线的识别方法、装置及电子设备，可以对煤岩分界线进行精准识别。

第一方面，本申请实施例提供了一种煤岩分界线的识别方法，包括：

获取目标矿井中工作面与顶板相交部分的ROI图像，所述工作面为采煤工作面或巷道掘进工作面；

对所述ROI图像进行截断线性拉伸处理，得到截断线性拉伸处理后图像，所述截断线性拉伸处理包括：取所述ROI图像对应的直方图累积在前n％和后n％处对应的像素值为最小值和最大值，将位于前n％和后n％之间的像素值按照像素值处理公式映射到0～255范围内，所述像素值处理公式为：

所述y为输出图像的像素值，所述x为输入图像的像素值，所述s_min为输入图像像素值的最小值，所述s_max为输入图像像素值的最大值，所述d_min为输出图像像素值的最小值，所述d_max为输出图像像素值的最大值；

基于训练后的目标煤岩分类模型，将所述截断线性拉伸处理后图像中的像素进行煤岩分类，得到煤岩分类结果图像，所述煤岩分类结果图像包括煤像素以及岩像素；

采用加权平均法对所述煤岩分类结果图像进行灰度化处理，得到所述煤岩分类结果图像对应的灰度图像；

采用阈值法对所述灰度图像进行二值化处理，得到二值化图像，所述二值化处理包括：将所述灰度图中灰度值大于灰度阈值的像素赋值为1，将所述灰度图中灰度值小于所述灰度阈值的像素赋值为0；

对所述二值化图像进数学形态学的闭运算处理和开运算处理，得到数学形态学处理后图像；

对所述数学形态学处理后图像进行边界跟踪处理，得到所述目标矿井的煤岩分界线。