[发明专利]基于卷积神经网络模型的矿山生态安全识别方法

说明书

本申请涉及图像处理和识别领域，提供了基于卷积神经网络模型的矿山生态安全识别方法，基于预定时间间隔对矿山进行图像和指标数据采集，构建训练样本集，其中在同一时刻分别采集矿山东西南北四个方向的图像和指标数据；构建卷积神经网络模型，利用训练样本集对卷积神经网络模型进行训练；使用训练好的卷积神经网络模型，对待评价的矿山进行安全分类，输出评价结果。本申请能够提高该识别方法的效率和准确性。

技术领域

本申请涉及矿山安全领域，尤其涉及基于卷积神经网络模型的矿山生态安全识别方法。

背景技术

矿产资源是人类生存、社会发展和经济建设不可或缺的重要物质基础，但是在过去相当长的一段时期内，粗放型的开采模式、落后的生产工艺、不完善的管理制度对矿山生态环境系统的完整性与健康状态造成了较为严重的影响甚至破坏，导致矿山生态安全态势趋于恶化，严重地影响和制约了矿山资源的可持续开发与利用。因此，对矿山生态安全进行评价是十分必要的。

对矿山生态进行安全评价就是根据整个矿山系统的生态进行系统的调查论证，统计相关的数据和参数分析存在的风险。根据这些数据和参数采取有效的措施对其中的危险因素进行消除或者遏制，从最大的程度上减小矿山的危险，改善矿山的生态安全。

但是现有的识别方法存在工作量大、计算过程复杂以及人为主观作用强的缺点与不足，因此如何有效提高识别方法的效率和准确性，成为目前需要解决的一个技术问题。

发明内容

鉴于上述问题，提出了本申请，以便提供基于卷积神经网络模型的矿山生态安全识别方法，用于提高该识别方法的效率和准确性。

本申请提供了基于卷积神经网络模型的矿山生态安全识别方法，包括步骤：

S1，基于预定时间间隔对矿山进行图像和指标数据采集，构建训练样本集，其中在同一时刻分别采集矿山东西南北四个方向的图像和指标数据；

S2，构建卷积神经网络模型，利用训练样本集对卷积神经网络模型进行训练；

S3，使用训练好的卷积神经网络模型，对待评价的矿山进行安全分类，输出评价结果。

步骤S1进一步还包括：

S11，在预定时刻分别采集矿山东西南北四个方向的图像；

S12，在预定时刻采集矿山的各种指标数据；

S13，基于预定时间间隔，重复采集矿山东西南北四个方向的图像和指标数据；

S14，对图像和指标数据进行预处理，构建训练样本集。

步骤S2进一步还包括：

S21，构建第一卷积神经网络模块、第二卷积神经网络模块、第三卷积神经网络模块、第四卷积神经网络模块；

S22，构建第五卷积神经网络模块；

S23，设置全连接模块和分类器，连接第一卷积神经网络模块、第二卷积神经网络模块、第三卷积神经网络模块、第四卷积神经网络模块、第五卷积神经网络模块，构建卷积神经网络模型；

S24，利用训练样本集对卷积神经网络模型进行训练，得到训练好的卷积神经网络模型。

进一步的，指标数据包括空气指标范围、垃圾排放量范围、水污染程度。

进一步的，预处理包括图像对齐、归一化、噪声去除操作。

进一步的，第一卷积神经网络模块、第二卷积神经网络模块、第三卷积神经网络模块、第四卷积神经网络模块、第五卷积神经网络模块分别处理东方图像、西方图像、南方图像、北方图像和指标数据。

进一步的，第一卷积神经网络模块、第二卷积神经网络模块、第三卷积神经网络模块、第四卷积神经网络模块结构相同。