[发明专利]一种钻锚孔识别方法、系统、电子设备及介质

说明书

本发明提供一种钻锚孔识别方法、系统、电子设备及介质，属于图像识别领域，钻锚孔识别方法包括：采集综掘工作面图像；根据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(预先采用训练样本集对YOLOv5s进行训练得到)对增强图像中的钻锚孔边界框进行识别，以确定增强图像中的钻锚孔；通过计算最优透射率，提高了去雾效果，再结合YOLOv5s识别图像中的钻锚孔边界框，提高了钻锚孔的识别效率及精度。

技术领域

本发明涉及图像识别领域，特别是涉及一种基于YOLOv5s的钻锚孔智能识别方法、系统、电子设备及介质。

背景技术

目前，煤矿以井下开采为主，在巷道掘进中为保证井下安全作业需要对新掘出的巷道进行支护，以加强煤巷围岩的稳定性及安全性。提高支护的智能化程度，提升支护速度与效率，是破解采掘失衡的关键，而钻孔的智能识别是实现钻锚一体化、自动化、智能化的基础技术。基于传统目标检测的视觉识别方法的实现分为提取特征及目标识别两部分。基于传统目标识别需人工提取特征，但是有些场景提取特征难，尤其是煤矿井下环境复杂、干扰多、提取特征更加困难、算法复杂度高、实时性差，导致传统目标识别难以在煤矿井下应用。

基于上述问题，亟需一种新的钻锚孔识别方法以提高识别效率及识别精度。

发明内容

本发明的目的是提供一种钻锚孔识别方法、系统、电子设备及介质，可提高钻锚孔的识别效率及识别精度。

为实现上述目的，本发明提供了如下方案：

一种钻锚孔识别方法，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。

可选地，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。

可选地，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。

可选地，采用以下公式，计算像素点x的粗略透射率：