爆堆礦石粒度特征是衡量爆破效果的重要指標之一,礦石粒度分布合理不僅可以降低二次破碎工作量,減少采礦成本,而且還能夠提高開采效率。通常爆堆粒度分析方法有篩分法、二次爆破巖塊統(tǒng)計、爆堆直接測量等人工測定方法,這些方法耗時長,精度有限,效率低,不能滿足工程需要,因此,有必要利用現(xiàn)代化信息技術(shù)手段,通過無人機快速采集采場爆堆圖像信息,開發(fā)快速精準的礦石粒度辨識算法,為露天礦生產(chǎn)爆破提供決策依據(jù)。本文在研究國內(nèi)外爆堆礦石粒度分布的文獻和礦山實際處理方法的基礎(chǔ)上,提出了基于無人機爆堆數(shù)據(jù)采集的礦石粒度辨識模型和算法:首先,通過無人機進行爆堆圖像數(shù)據(jù)采集以及爆堆圖像數(shù)據(jù)空間校準;第二,借助二維經(jīng)驗小波進行降噪處理和圖像紋理增強,第三,利用親和度圖方法對爆堆圖像進行辨識和分割,得到礦石顆粒準確邊緣分割圖;第四,對標記的礦石顆粒圖像計算其粒徑、周長和面積并進行統(tǒng)計分析。研究表明,基于無人機圖像處理技術(shù)的爆堆礦石粒度辨識模型和算法,有效克服了傳統(tǒng)測量的不足,能夠經(jīng)濟、有效地統(tǒng)計出爆堆粒度的整體分布情況,準確性達到94%以上。論文中提出的爆堆礦石粒度分布辨識方法為快速有效評價爆堆爆破效果提供了一種新的途徑,... 

【文章來源】：西安建筑科技大學(xué)陜西省

【文章頁數(shù)】：79 頁

【學(xué)位級別】：碩士

【部分圖文】：

正射投影時無人機成像示意圖

西安建筑科技大學(xué)碩士學(xué)位論文183.1.2圖像失真檢測無人機圖像的幾何變形通常由風(fēng)速、采場作業(yè)震動、無人機飛翼轉(zhuǎn)動、相機結(jié)構(gòu)等因素影響產(chǎn)生。無人機搭載的相機相對于傳統(tǒng)相機結(jié)構(gòu)簡單，傳感器尺寸較小，防抖能力較弱，成像邊緣易出現(xiàn)失真，鏡頭容易發(fā)生枕形或桶形畸變[90]。無人機在出廠前會對鏡頭進行校正，減少鏡頭帶來的失真變形。相機傳感器具有三維空間姿態(tài)感應(yīng)能力，后期通過無人機飛行姿態(tài)參數(shù)對畸變圖像進行針對性校正。無人機在采集圖像過程中，空間姿態(tài)會隨著飛行條件不斷調(diào)整；若鏡頭主光軸沒有垂直于地面，則成像形狀變?yōu)榉且?guī)則的四邊形，如圖3.2地面投影所示。由公式（3-1）和（3-2）可知，無人機成像變形由SX、SY、SZ和三個角參數(shù)、、影響[90]。因此，利用以上6個姿態(tài)位置參數(shù)，借助攝影測量學(xué)構(gòu)建準確的無人機圖像校正模型[90]。圖3.1正射投影時無人機成像示意圖Fig.3.1SchematicdiagramofUAVimageduringorthographicprojection圖3.2像空間坐標系Fig.3.2Imagespacecoordinatesystem在EEEEOXYZ坐標系統(tǒng)中，投影中心點為(,,)SSSXYZS。S的垂直地面點為C；B水平面一個礦石抽象點，在像空間坐標系下的坐標為(,,)SSSXYZB，過B點作EAB⊥CX，則A的坐標為(,,)SSSXYZA[90]。AB在相機感光元件上的成像為ab，

西安建筑科技大學(xué)碩士學(xué)位論文22值判斷，則可得到噪聲的分布特征；其中，極值檢測成為關(guān)鍵步驟。本文隨機選取露天礦采場無人機圖像，通過傅里葉變換分別對爆堆圖像的行和列進行快速傅里葉變換，采用Littlewood-Paley算子對噪聲特征檢測，同時進行H自適應(yīng)函數(shù)分割信號，對所有爆堆圖像數(shù)據(jù)進行2DEWT降噪處理，然后逆變換重構(gòu)圖像，最后平滑處理，得到降噪無人機圖像�；玖鞒倘鐖D3.5所示。圖3.5二維經(jīng)驗小波變換無人機圖像算法流程圖Fig.3.5Flowchartof2dempiricalwavelettransformUAVimagealgorithm3.2.2爆堆圖像噪聲檢測針對無人機爆堆圖像噪聲隨機分布特征，本文首先對其噪聲進行特征分布研究；首先利用傅立葉變換，將時域邊界集合通過頻譜幅值中的局部最大值法獲得。但是，爆堆圖像除具有高紋理特征變換外，它們的頻譜很難分割出不同模態(tài)，因此要檢測有效的傅里葉支撐就必須采用不同的標準。利用局部極大值法檢測后，本文將基于傅立葉頻譜并改進這種檢測方法。為了獲取待測噪聲信號的傅里葉頻譜()，SU計算信號()的快速傅里葉變換（FFT）[91]。圖3.6傅里葉頻譜的分割Fig.3.6ThedivisionoftheFourierspectrum爆堆圖像的頻譜被分割成N+1條分界線；設(shè)為其分界線，即={},=UAV圖像導(dǎo)入FFT極值檢測Littlewood-Paley噪聲特征檢測2DEWT降噪H函數(shù)自適應(yīng)分割2DEWT逆變換重構(gòu)平滑處理UAV圖像導(dǎo)出

【參考文獻】：
期刊論文
[1]基于多特征與卷積神經(jīng)網(wǎng)絡(luò)的SAR圖像分類方法[J]. 王永樂,續(xù)婷,杜敦偉,白艷萍.  數(shù)學(xué)的實踐與認識. 2020(06)
[2]基于WipFrag軟件在某石灰石礦爆堆塊度分析的應(yīng)用研究[J]. 洪國敏,盛曉雅,韓建文.  采礦技術(shù). 2020(02)
[3]形態(tài)學(xué)圖像處理下的礦石粒度的檢測[J]. 張建立,葉平坤,孫深深.  機械設(shè)計與制造. 2020(03)
[4]板式換熱器波紋板深度在線檢測方法研究[J]. 李飛,張平,苑瑋琦.  儀器儀表學(xué)報. 2020(02)
[5]基于數(shù)字圖像處理的含缺陷混凝土破裂過程研究[J]. 席仕軍,左宇軍,孫文吉斌,鄔忠虎,劉鎬.  應(yīng)用力學(xué)學(xué)報. 2020(01)
[6]非局部多尺度分數(shù)階微分圖像增強算法研究[J]. 黃果,許黎,陳慶利,蒲亦非.  電子與信息學(xué)報. 2019(12)
[7]基于改進親和度圖的礦石顆粒圖像分割研究與實現(xiàn)[J]. 孫國棟,林凱,高媛,徐昀.  儀表技術(shù)與傳感器. 2019(12)
[8]露天礦山臺階深孔爆破大塊成因及解決措施[J]. 楊超.  工程爆破. 2019(06)
[9]數(shù)字圖像處理技術(shù)與MATLAB應(yīng)用[J]. 張廣才,萬守鵬,何繼榮.  軟件. 2019(11)
[10]基于EWT和Meyer自適應(yīng)閾值的微震降噪[J]. 盧才武,夏峰.  地球物理學(xué)進展. 2020(03)

碩士論文
[1]基于分形理論礦巖爆堆塊度分布規(guī)律的研究[D]. 趙明.內(nèi)蒙古科技大學(xué) 2015
[2]圖像處理技術(shù)在巖石爆破塊度分析中的應(yīng)用[D]. 楊金保.中國地質(zhì)大學(xué)（北京） 2009



本文編號：3089459