CN117097988B - 煤矿综采工作面复杂环境图像采集***及方法 - Google Patents

煤矿综采工作面复杂环境图像采集***及方法 Download PDF

Info

Publication number
CN117097988B
CN117097988B CN202311346539.8A CN202311346539A CN117097988B CN 117097988 B CN117097988 B CN 117097988B CN 202311346539 A CN202311346539 A CN 202311346539A CN 117097988 B CN117097988 B CN 117097988B
Authority
CN
China
Prior art keywords
characteristic
value
image
space
feature
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202311346539.8A
Other languages
English (en)
Other versions
CN117097988A (zh
Inventor
孙闯
程健
骆意
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Technology Research Branch Of Tiandi Technology Co ltd
General Coal Research Institute Co Ltd
Original Assignee
Beijing Technology Research Branch Of Tiandi Technology Co ltd
General Coal Research Institute Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Technology Research Branch Of Tiandi Technology Co ltd, General Coal Research Institute Co Ltd filed Critical Beijing Technology Research Branch Of Tiandi Technology Co ltd
Priority to CN202311346539.8A priority Critical patent/CN117097988B/zh
Publication of CN117097988A publication Critical patent/CN117097988A/zh
Application granted granted Critical
Publication of CN117097988B publication Critical patent/CN117097988B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/80Camera processing pipelines; Components thereof
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G06V10/806Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of extracted features
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60Control of cameras or camera modules
    • H04N23/64Computer-aided capture of images, e.g. transfer from script file into camera, check of taken image quality, advice or proposal for image composition or decision on when to take image

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Image Analysis (AREA)

Abstract

本申请提出一种煤矿综采工作面复杂环境图像采集***及方法,其中,方法包括:获取待采集图像的综采工作面所属空间的第一特征下的第一特征值后,根据第一特征值及预先训练好的图像质量评价模型,确定空间的第一特征为第一特征值的情况下,图像采集装置采集到综采工作面的图像质量最高时,空间的第二特征对应的第二特征值及图像采集装置对应的目标参数值,之后,向空间中第二特征对应的调节组件发送控制指令,以指示调节组件调节空间的第二特征达到第二特征,并基于目标参数值调节图像采集装置进行图像采集。从而提高了采集图像的质量。

Description

煤矿综采工作面复杂环境图像采集***及方法
技术领域
本申请涉及煤矿技术领域,尤其涉及一种煤矿综采工作面复杂环境图像采集***及方法。
背景技术
煤炭智能开采是实现煤炭安全高效开采的前提,煤炭智能开采的实现依托于对矿井下图像的采集。但是,综采工作面所属空间的环境较为复杂,受风速、水雾浓度、煤尘浓度、照明等因素的影响,使得采集的综采工作面的图像的质量较差。
因此,为了克服上述采集综采工作面的图像质量较差的问题,本发明提供了一种煤矿综采工作面复杂环境图像采集方法。
发明内容
本申请提出一种煤矿综采工作面复杂环境图像采集***及方法,以提高采集图像的质量。具体方案如下:
本申请一方面实施例提供一种煤矿综采工作面复杂环境图像采集方法,包括:
获取待采集图像的综采工作面所属空间的第一特征下的第一特征值;
根据第一特征值及预先训练好的图像质量评价模型,确定空间的第一特征为第一特征值的情况下,图像采集装置采集到综采工作面的图像质量最高时,空间的第二特征对应的第二特征值及图像采集装置对应的目标参数值;
向所述空间中第二特征对应的调节组件发送控制指令,以指示所述调节组件调节所述空间的第二特征达到所述第二特征,并基于所述目标参数值调节所述图像采集装置进行图像采集。
本申请另一方面实施例提供一种煤矿综采工作面复杂环境图像采集***,包括控制器、图像采集装置、调节组件:
调节组件与控制器相连,用于调节待采集图像的综采工作面所属空间的第二特征;
图像采集装置与控制器相连,图像采集装置的工作参数可调节,用于采集待采集图像的综采工作面的图像;
控制器,用于获取待采集图像的综采工作面所属空间的第一特征下的第一特征值;根据第一特征值及预先训练好的图像质量评价模型,确定空间的第一特征为第一特征值的情况下,图像采集装置采集到综采工作面的图像质量最高时空间的第二特征对应的第二特征值,及图像采集装置对应的目标参数值;向空间中第二特征对应的调节组件发送控制指令,以指示调节组件调节空间的第二特征达到第二特征,并基于目标参数值调节图像采集装置进行图像采集。
本申请另一方面实施例提供一种计算机设备,包括处理器和存储器;
其中,处理器通过读取存储器中存储的可执行程序代码来运行与可执行程序代码对应的程序,以用于实现如上述实施例的方法。
本申请另一方面实施例提供一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如上述实施例的方法。
本申请附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为本申请实施例提供的一种煤矿综采工作面复杂环境图像采集方法的流程示意图;
图2为本申请实施例提供的另一种煤矿综采工作面复杂环境图像采集方法的流程示意图;
图3为本申请实施例提供的一种煤矿综采工作面复杂环境图像采集***的结构示意图;
图4为本申请实施例提供的另一种煤矿综采工作面复杂环境图像采集***的结构示意图。
具体实施方式
下面详细描述本申请的实施例,实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本申请,而不能理解为对本申请的限制。
下面参考附图描述本申请实施例的煤矿综采工作面复杂环境图像采集方法。
图1为本申请实施例提供的一种煤矿综采工作面复杂环境图像采集方法的流程示意图。
如图1所示,该面煤矿综采工作面复杂环境图像采集方法,包括:
步骤101,获取待采集图像的综采工作面所属空间的第一特征下的第一特征值。
其中,第一特征包括以下一项或多项:风速,粉尘浓度,水雾浓度。
本申请中,综采工作面可以为实际综采工作面,或者为模拟实际综采工作面的综采工作面模型。当综采工作面可以为实际综采工作面时,可以通过部署在综采工作面所属空间内的传感器采集第一特征下的第一特征值。
当综采工作面为综采工作面模型时,综采工作面模型中包含第一特征对应的调节组件及传感器等。用户可以通过综采工作面模型的控制客户端设置第一特征,以及第一特征对应的第一特征值。控制客户端即可将用户设置的第一特征及该第一特征对应的第一特征值发送给控制器。由此,控制器即可获取到综采工作面模型所属空间的第一特征及该第一特征对应的第一特征值。或者,综采工作面模型还包括控制台,用户还可以通过转动该控制台上的各第一特征对应的旋钮,设置第一特征对应的第一特征值。控制器可以通过对控制台进行监测获取综采工作面所属空间的第一特征及第一特征对应的第一特征值。之后,控制器可以通过查询预设的设备映射关系表,确定第一特征对应的调节组件。其中,设备映射关系表中包含各特征对应的调节组件。然后,通过控制综采工作面模型中第一特征对应的调节组件,将综采工作面模型空间的第一特征调节至第一特征值,以模拟各种煤尘、水雾、风速下的综采工作面(即模拟处于不同空间环境条件下的综采工作面)。
比如,第一特征为粉尘浓度的情况下,可以向粉尘发生仪发送控制指令,其中,控制指令中包含粉尘浓度对应的第一特征值。粉尘发生仪在接收到粉尘浓度对应的第一特征值后,可以根据第一特征值确定待释放的粉尘量,之后即可释放该粉尘量的粉尘。
此外,还可以将综采工作面模型放置在密闭箱中。第一特征为粉尘浓度的情况下,可以根据粉尘浓度对应的第一特征值及密闭箱的体积,确定待释放的粉尘量。之后,直接将待释放的粉尘量发送给粉尘发生仪,以指示粉尘发生仪释放待释放的粉尘量的粉尘。
在第一特征为水雾浓度的情况下,可以向水雾发生仪发送控制指令,其中,控制指令中包含水雾浓度对应的第一特征值。水雾发生仪在接收到水雾浓度对应的第一特征值后,可以根据第一特征值确定待释放的水雾量,之后即可释放该水雾量的水雾。
当将综采工作面模型放置在密闭箱中时。在第一特征为水雾浓度的情况下,可以根据水雾浓度对应的第一特征值及密闭箱的体积,确定待释放的水雾量。之后,直接将待释放的水雾量发送给水雾发生仪,以指示水雾发生仪释放待释放的水雾量的水雾。
当第一特征为多项时,可以分别向每个第一特征对应的调节组件发送控制指令,以指示调节组件调节综采工作面所属空间的每个第一特征达到其对应的第一特征值。
可以理解的是,由于综采工作面模型中未包含致使发生***的危险气体(比如瓦斯),因此,控制综采工作面模型产生高浓度粉尘,或者高浓度水雾等,均不会发生安全事故。基于本申请的综采工作面模型,并通过本申请的煤矿综采工作面复杂环境图像采集方法,可以实现方便、快捷、安全的定制大量各种标签下的质量较高的综采工作面图像,比如,综采工作面高煤尘、强湿度等标签的综采工作面图像。为实现对基于图形识别、图像去噪、视觉计算、图形预测、智能识别等深度学习神经网络模型的准确训练提供条件。进而为我国智能化矿山建设提供强力支撑。
步骤102,根据第一特征值及预先训练好的图像质量评价模型,确定空间的第一特征在第一特征值的情况下,图像采集装置采集到综采工作面的图像质量最高时空间的第二特征对应的第二特征值,及图像采集装置对应的目标参数值。
其中,第二特征包括以下一项或多项:色温、照度。目标参数值可以包括清晰度、感光度、白平衡等图像采集装置的工作参数,本申请对此不作限制。
在综采工作面所属空间中,风速、水雾和粉尘浓度等第一特征值随着综采工作面煤炭开采的进行不断变化。综采工作面所属空间的第一特征不同的情况下,不同光照环境对采集图像的质量也不同。因此,可以将第一特征作为固定值,而对第二特征进行调节,从而为采集质量最高的综采工作面的图像提供条件。
本申请中,可以预先训练获取图像质量评价模型,确定第一特征、第二特征及图像采集装置的工作参数与图像质量间的关系。该关系如下公式所示:
P= P(c,w,v,l,s,x,y)
其中,c为粉尘浓度、w为水雾浓度、v为风流速度、l为色温、s为照度、x为清晰度、y为感光度、图像的质量指标值p。图像质量评价模型可以为深度学习神经网络。
本申请中,可以预先设置变量的搜索空间(即第二特征对应的取值区间,及图像采集装置的工作参数取值区间)。之后,采用随机算法在搜索空间内生成预设数量个向量,并将每个向量及第一特征值输入图像质量评价模型,获取图像质量评价模型输出的每个向量对应的质量指标值。在某一向量对应的质量指标值最高时,将该向量中包含第二特征的取值确定第二特征值,将该向量中包含图像采集装置的工作参数取值确定目标参数值。
训练获取图像质量评价模型的过程如下:获取训练数据集,其中,训练数据集中包含综采工作面对应的每个样本图像的标注质量指标值及样本特征值,样本特征值包括采集样本图像时综采工作面所属空间的第一特征及第二特征的特征值、图像采集装置的参数值。之后,将每个样本图像对应的样本特征值输入初始图像质量评价模型,获取初始图像质量评价模型输出的每个样本图像对应的预测质量指标值。并计算每个样本图像对应的预测质量指标值与标注质量指标值间的差值,以根据每个样本图像对应的差值确定损失值。然后,在损失值大于预设阈值的情况下,可以基于损失值对初始图像质量评价模型的参数进行调整,并利用训练数据继续对调整后的初始图像质量评价模型进行训练,直至训练初始图像质量评价模型的训练数据的数量达到预设数量,获取最终的图像质量评价模型。
步骤103,向空间中第二特征对应的调节组件发送控制指令,以指示调节组件调节空间的第二特征达到第二特征,并基于目标参数值调节图像采集装置进行图像采集。
本申请中,可以基于第二特征值生成控制指令,并查询预设的设备映射关系表,确定第二特征对应的调节组件。其中,设备映射关系表中包含各特征对应的调节组件。
之后,即可将控制指令发送给第二特征对应的调节组件。该调节组件在接收到控制指令后可以启动工作,以将综采工作面所属空间的第二特征调节至第二特征值。其中,第二特征对应的调节组件包括可调节色温和照度的LED灯及该LED灯对应的色温及照度控制电路。
同时,可以基于目标参数值生成控制指令,并将控制指令发送给图像采集装置。图像采集装置在接收到控制指令后可以将其工作参数设置为目标参数值,并启动采集图像。
本申请中,获取待采集图像的综采工作面所属空间的第一特征下的第一特征值后,根据第一特征值及预先训练好的图像质量评价模型,确定空间的第一特征为第一特征值的情况下,图像采集装置采集到综采工作面的图像质量最高时空间的第二特征对应的第二特征值,及图像采集装置对应的目标参数值,之后,向空间中第二特征对应的调节组件发送控制指令,以指示调节组件调节空间的第二特征达到第二特征,并基于目标参数值调节图像采集装置进行图像采集。由此,通过图像质量评价模型提高了确定空间的第一特征为第一特征值的情况下,图像采集装置采集到综采工作面的图像质量最高时空间的第二特征对应的第二特征值,及图像采集装置对应的目标参数值的准确性,从而提高了采集图像的质量。
图2为本申请实施例提供的一种煤矿综采工作面复杂环境图像采集方法的流程示意图。
如图2所示,该煤矿综采工作面复杂环境图像采集方法,包括:
步骤201,获取待采集图像的综采工作面所属空间的第一特征下的第一特征值。
本申请中,步骤201的具体实现过程,可参见本申请任一实施例的详细描述,在此不再赘述。
步骤202,将第一特征值分别与第二特征预设的各第三特征值及图像采集装置预设的各参考参数值,分别进行组合,确定多个特征输入向量。
本申请中,可以预先按照一定间隔设置第二特征对应的多个第三特征值。比如,每间隔100开尔文设置多个色温,每间隔100流明设置多个照度。并预先按照一定间隔设置图像采集装置对应的多个参考参数值。
之后,可以将第一特征值分别与第二特征预设的各第三特征值及图像采集装置预设的各参考参数值,分别进行组合,确定多个特征输入向量。比如,预先设置两个第三特征值:照度1、照度2,预先设置的两个参考参数值:感光度1、感光度2。对上述感光度、照度及第一特征值进行组合,确定4个特征输入向量分别为[第一特征值、感光度1、照度1]、[第一特征值、感光度2、照度1]、[第一特征值、感光度1、照度2]、[第一特征值、感光度2、照度2]。
步骤203,将每个特征输入向量输入图像质量评价模型,获取图像质量评价模型输出的质量指标值。
步骤204,在任一特征输入向量对应的质量指标值最高时,将任一特征输入向量对应的第三特征值及参考参数值分别确定为第二特征值及目标参数值。
本申请中,在某一特征输入向量对应的质量指标值最高时,将该特征输入向量对应的第三特征值确定为第二特征值,将该特征输入向量对应的参考参数值确定为目标参数值。
步骤205,向空间中第二特征对应的调节组件发送控制指令,以指示调节组件调节空间的第二特征达到第二特征,并基于目标参数值调节图像采集装置进行图像采集。
本申请中,步骤205的具体实现过程,可参见本申请任一实施例的详细描述,在此不再赘述。
本申请中,获取待采集图像的综采工作面所属空间的第一特征下的第一特征值。将第一特征值分别与第二特征预设的各第三特征值及图像采集装置预设的各参考参数值,分别进行组合,确定多个特征输入向量。将每个特征输入向量输入图像质量评价模型,获取图像质量评价模型输出的质量指标值。在任一特征输入向量对应的质量指标值最高时,将任一特征输入向量对应的第三特征值及参考参数值分别确定为第二特征值及目标参数值。向空间中第二特征对应的调节组件发送控制指令,以指示调节组件调节空间的第二特征达到第二特征,并基于目标参数值调节图像采集装置进行图像采集。通过图像质量评价模型提高了确定空间的第一特征为第一特征值的情况下,图像采集装置采集到综采工作面的图像质量最高时空间的第二特征对应的第二特征值,及图像采集装置对应的目标参数值的准确性,从而提高了采集图像的质量。
为了实现上述实施例,本申请实施例还提出一种煤矿综采工作面复杂环境图像采集***。
图3为本申请实施例提供的一种煤矿综采工作面复杂环境图像采集***的结构示意图。
如图3所示,该煤矿综采工作面复杂环境图像采集***300包括控制器(图3中未示出)、图像采集装置310、调节组件320:
调节组件320与控制器相连,用于调节综采工作面所属空间的第二特征;
图像采集装置310与控制器相连,图像采集装置的工作参数可调节,用于采集待采集图像的综采工作面的图像;
控制器,用于获取待采集图像的综采工作面所属空间的第一特征下的第一特征值;根据第一特征值及预先训练好的图像质量评价模型,确定空间的第一特征为第一特征值的情况下,图像采集装置310采集到综采工作面的图像质量最高时,空间的第二特征对应的第二特征值及图像采集装置310对应的目标参数值;向空间中第二特征对应的调节组件320发送控制指令,以指示调节组件320调节空间的第二特征达到第二特征,并基于目标参数值调节图像采集装置310进行图像采集。:
在本申请实施例一种可能的实现方式中,第一特征包括以下一项或多项:风速,粉尘浓度,水雾浓度,第二特征包括以下一项或多项:色温、照度。
在本申请实施例一种可能的实现方式中,上述控制器,用于:
将第一特征值分别与第二特征预设的各第三特征值及图像采集装置预设的各参考参数值,分别进行组合,确定多个特征输入向量;
将每个特征输入向量输入图像质量评价模型,获取图像质量评价模型输出的质量指标值;
在任一特征输入向量对应的质量指标值最高时,将任一特征输入向量对应的第三特征值及参考参数值分别确定为第二特征值及目标参数值。
在本申请实施例一种可能的实现方式中,还包括训练组件,用于:
获取训练数据集,其中,训练数据集中包含综采工作面对应的每个样本图像的标注质量指标值及样本特征值,其中,样本特征值包括采集样本图像时综采工作面所属空间的第一特征及第二特征的特征值、图像采集装置的参数值;
将样本特征值输入初始图像质量评价模型,获取初始图像质量评价模型输出的预测质量指标值;
根据预测质量指标值与其对应的标注质量指标值间的差值确定损失值,以根据损失值对初始图像质量评价模型进行修正,直至获取最终的图像质量评价模型。
在本申请实施例一种可能的实现方式中,综采工作面可以为模拟实际综采工作面的综采工作面模型。如图4所示的煤矿综采工作面复杂环境图像采集***包括:综采工作面模型410及控制台420,综采工作面模型410中包含第一特征对应的调节组件411、传感器等。控制台420包括各调节组件411对应的调节旋钮,调节旋钮用于设置综采工作面所属空间的第一特征。调节组件411可以包括粉尘发生仪、水雾发生仪、送风装置等。调节组件411可以按照需求分别部署与综采工作面模型410的顶部,以模拟综采工作面回采期间因采煤割煤产生的煤尘、水雾等。控制台420用于支持与用户交互,控制台420与各调节组件411相连,用于控制各调节组件411。第二特征对应的调节组件320可以部署在综采工作面模型410顶部内侧,可以与控制台相连,以支持人工调节综采工作面所属空间的第二特征。图像采集装置310可以按照需求部署与综采工作面模型410顶部内侧,用于采集综采工作面的图像。传感器用于采集综采工作面所属空间的水雾浓度、风速、粉尘浓度等。
需要说明的是,上述对煤矿综采工作面复杂环境图像采集方法实施例的解释说明,也适用于该实施例的煤矿综采工作面复杂环境图像采集***,故在此不再赘述。
本申请中,获取待采集图像的综采工作面所属空间的第一特征下的第一特征值后,根据第一特征值及预先训练好的图像质量评价模型,确定空间的第一特征为第一特征值的情况下,图像采集装置采集到综采工作面的图像质量最高时,空间的第二特征对应的第二特征值及图像采集装置对应的目标参数值,之后,向空间中第二特征对应的调节组件发送控制指令,以指示调节组件调节空间的第二特征达到第二特征,并基于目标参数值调节图像采集装置进行图像采集。由此,通过图像质量评价模型提高了确定空间的第一特征为第一特征值的情况下,图像采集装置采集到综采工作面的图像质量最高时空间的第二特征对应的第二特征值,及图像采集装置对应的目标参数值的准确性,从而提高了采集图像的质量。
为了实现上述实施例,本申请实施例还提出一种计算机设备,包括处理器和存储器;
其中,处理器通过读取存储器中存储的可执行程序代码来运行与可执行程序代码对应的程序,以用于实现如上述实施例的煤矿综采工作面复杂环境图像采集方法。
为了实现上述实施例,本申请实施例还提出一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述实施例的煤矿综采工作面复杂环境图像采集方法。
尽管上面已经示出和描述了本申请的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本申请的限制,本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (6)

1.一种煤矿综采工作面复杂环境图像采集方法,其特征在于,包括:
获取待采集图像的综采工作面所属空间的第一特征下的第一特征值,其中,所述第一特征包括风速、粉尘浓度、和/或水雾浓度;
根据所述第一特征值及预先训练好的图像质量评价模型,确定所述空间的第一特征为所述第一特征值的情况下,图像采集装置采集到所述综采工作面的图像质量最高时,所述空间的第二特征对应的第二特征值及所述图像采集装置对应的目标参数值;
向所述空间中第二特征对应的调节组件发送控制指令,以指示所述调节组件调节所述空间的第二特征达到所述第二特征,并基于所述目标参数值调节所述图像采集装置进行图像采集,其中,所述第二特征包括色温、和/或照度。
2.如权利要求1所述的方法,其特征在于,所述根据所述第一特征值及预先训练好的图像质量评价模型,确定所述空间的第一特征在所述第一特征值的情况下,图像采集装置采集到的图像质量最高时,所述空间的第二特征对应的第二特征值及图像采集装置对应的目标参数值,包括:
将所述第一特征值分别与所述第二特征预设的各第三特征值及所述图像采集装置预设的各参考参数值,进行组合,确定多个特征输入向量;
将每个所述特征输入向量输入所述图像质量评价模型,获取所述图像质量评价模型输出的每个所述特征输入向量对应的质量指标值;
在任一特征输入向量对应的质量指标值最高时,将所述任一特征输入向量对应的第三特征值及参考参数值分别确定为所述第二特征值及所述目标参数值。
3.如权利要求1所述的方法,其特征在于,所述图像质量评价模型可以通过以下训练步骤获取:
获取训练数据集,其中,训练数据集中包含所述综采工作面对应的每个样本图像的标注质量指标值及样本特征值,所述样本特征值包括采集样本图像时所述空间的第一特征及第二特征的特征值、所述图像采集装置的参数值;
将每个所述样本图像对应的样本特征值输入初始图像质量评价模型,获取所述初始图像质量评价模型输出每个所述样本图像对应的预测质量指标值;
根据每个所述样本图像对应的预测质量指标值与标注质量指标值间的差值确定损失值,以根据所述损失值对所述初始图像质量评价模型进行修正,直至获取最终的图像质量评价模型。
4.一种煤矿综采工作面复杂环境图像采集***,其特征在于,包括控制器、图像采集装置、调节组件:
所述调节组件与所述控制器相连,用于调节待采集图像的综采工作面所属空间的第二特征;
所述图像采集装置与所述控制器相连,所述图像采集装置的工作参数可调节,用于采集待采集图像的综采工作面的图像;
所述控制器,用于获取待采集图像的综采工作面所属空间的第一特征下的第一特征值;根据所述第一特征值及预先训练好的图像质量评价模型,确定所述空间的第一特征为所述第一特征值的情况下,图像采集装置采集到所述综采工作面的图像质量最高时,所述空间的第二特征对应的第二特征值及所述图像采集装置对应的目标参数值;向所述空间中第二特征对应的调节组件发送控制指令,以指示所述调节组件调节所述空间的第二特征达到所述第二特征,并基于所述目标参数值调节所述图像采集装置进行图像采集,其中,所述第一特征包括风速、粉尘浓度、和/或水雾浓度,所述第二特征包括色温、和/或照度。
5.如权利要求4所述的***,其特征在于,所述控制器,用于:
将所述第一特征值分别与所述第二特征预设的各第三特征值及所述图像采集装置预设的各参考参数值,分别进行组合,确定多个特征输入向量;
将每个所述特征输入向量输入所述图像质量评价模型,获取所述图像质量评价模型输出的每个所述特征输入向量对应的质量指标值;
在任一特征输入向量对应的质量指标值最高时,将所述任一特征输入向量对应的第三特征值及参考参数值分别确定为所述第二特征值及所述目标参数值。
6.如权利要求4所述的***,其特征在于,还包括训练组件,用于:
获取训练数据集,其中,训练数据集中包含所述综采工作面对应的每个样本图像的标注质量指标值及样本特征值,其中,所述样本特征值包括采集样本图像时所述空间的第一特征及第二特征的特征值、所述图像采集装置的参数值;
将每个所述样本图像对应的样本特征值输入初始图像质量评价模型,获取所述初始图像质量评价模型输出每个所述样本图像对应的预测质量指标值;
根据每个所述样本图像对应的预测质量指标值与标注质量指标值间的差值确定损失值,以根据所述损失值对所述初始图像质量评价模型进行修正,直至获取最终的图像质量评价模型。
CN202311346539.8A 2023-10-18 2023-10-18 煤矿综采工作面复杂环境图像采集***及方法 Active CN117097988B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311346539.8A CN117097988B (zh) 2023-10-18 2023-10-18 煤矿综采工作面复杂环境图像采集***及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311346539.8A CN117097988B (zh) 2023-10-18 2023-10-18 煤矿综采工作面复杂环境图像采集***及方法

Publications (2)

Publication Number Publication Date
CN117097988A CN117097988A (zh) 2023-11-21
CN117097988B true CN117097988B (zh) 2024-01-19

Family

ID=88780582

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311346539.8A Active CN117097988B (zh) 2023-10-18 2023-10-18 煤矿综采工作面复杂环境图像采集***及方法

Country Status (1)

Country Link
CN (1) CN117097988B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103207999A (zh) * 2012-11-07 2013-07-17 中国矿业大学(北京) 一种基于煤岩图像特征抽取以及分类识别的煤岩分界方法和***
CN111507426A (zh) * 2020-04-30 2020-08-07 中国电子科技集团公司第三十八研究所 基于视觉融合特征的无参考图像质量分级评价方法及装置
CN113111840A (zh) * 2021-04-26 2021-07-13 常州典宏自动化科技有限公司 一种煤矿综采工作面作业人员违规和危险行为预警方法
CN114352336A (zh) * 2021-12-17 2022-04-15 北京天玛智控科技股份有限公司 综采工作面智能控制***和方法
CN116524017A (zh) * 2023-03-13 2023-08-01 明创慧远科技集团有限公司 一种用于矿山井下检测识别定位***
CN116883224A (zh) * 2023-07-04 2023-10-13 煤炭科学研究总院有限公司 面向含有指定特征的煤矿巷道图像生成***及方法
CN116894789A (zh) * 2023-07-21 2023-10-17 天地(常州)自动化股份有限公司 基于led控制的矿井下图像增强方法、装置、设备及其介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100316131A1 (en) * 2009-06-12 2010-12-16 Motorola, Inc. Macroblock level no-reference objective quality estimation of video

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103207999A (zh) * 2012-11-07 2013-07-17 中国矿业大学(北京) 一种基于煤岩图像特征抽取以及分类识别的煤岩分界方法和***
CN111507426A (zh) * 2020-04-30 2020-08-07 中国电子科技集团公司第三十八研究所 基于视觉融合特征的无参考图像质量分级评价方法及装置
CN113111840A (zh) * 2021-04-26 2021-07-13 常州典宏自动化科技有限公司 一种煤矿综采工作面作业人员违规和危险行为预警方法
CN114352336A (zh) * 2021-12-17 2022-04-15 北京天玛智控科技股份有限公司 综采工作面智能控制***和方法
CN116524017A (zh) * 2023-03-13 2023-08-01 明创慧远科技集团有限公司 一种用于矿山井下检测识别定位***
CN116883224A (zh) * 2023-07-04 2023-10-13 煤炭科学研究总院有限公司 面向含有指定特征的煤矿巷道图像生成***及方法
CN116894789A (zh) * 2023-07-21 2023-10-17 天地(常州)自动化股份有限公司 基于led控制的矿井下图像增强方法、装置、设备及其介质

Also Published As

Publication number Publication date
CN117097988A (zh) 2023-11-21

Similar Documents

Publication Publication Date Title
CN108890652B (zh) 一种变电站巡检机器人及变电站设备巡检方法
CN108548199A (zh) 一种智能抽油烟机风速调级方法及装置
CN110373874A (zh) 一种控制衣物烘干的方法及装置
EP3214509A3 (en) Control parameter automatic-adjustment apparatus, control parameter automatic-adjustment method, and control parameter automatic-adjustment apparatus network
CN111401246A (zh) 一种烟雾浓度检测方法、装置、设备及存储介质
JP2004040498A5 (zh)
CN117097988B (zh) 煤矿综采工作面复杂环境图像采集***及方法
CN104502525A (zh) 空气质量提示方法及装置
CN111895625A (zh) 基于神经网络算法的室内环境改善方法、***及存储介质
CN111046943A (zh) 变电站隔离刀闸状态自动识别方法及***
CN207379893U (zh) 一种无人看管的自动实验台
KR20220040225A (ko) 조리 기기 및 그의 동작 방법
CN106018731A (zh) 一种煤质挥发分、固定碳在线检测方法及***
KR102140045B1 (ko) 미러 패딩을 이용한 손 동작 인식 장치 및 그 방법
CN107885186A (zh) 一种汽车空调控制器人机交互功能的自动测试方法及***
Jaeger Reservoir self-control for achieving invariance against slow input distortions
CN116883224B (zh) 面向含有指定特征的煤矿巷道图像生成***及方法
RU2004124096A (ru) Определение местонахождения точечного источника визуализированной утечки газа
CN109557917A (zh) 水下机器人自主巡线及水面监控的方法
CN110410922B (zh) 一种实验室内自动均衡闭环空气质量的控制***及方法
CN111880424B (zh) 基于物联网和大数据的智能设备控制方法及云控制中心
JP2019027975A (ja) 環境試験装置及び環境試験方法
CN112084814A (zh) 一种学习辅助方法和智能装置
Brill et al. Visual servoing of an inverted pendulum on cart using a mounted smartphone
Sylvester et al. Variable buoyancy control for a bottom skimming autonomous underwater vehicle

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant