(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210776563.4 (22)申请日 2022.07.04 (71)申请人 北京科技大 学 地址 100083 北京市海淀区学院路3 0号 (72)发明人 黄晢航　赵怡晴　金爱兵　李海　 刘洋　 (74)专利代理 机构 北京市广友专利事务所有限 责任公司 1 1237 专利代理师 张仲波 (51)Int.Cl. G06V 20/17(2022.01) G06V 10/44(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种露天矿山边坡图像裂隙参数提取方法 及装置 (57)摘要 本发明提出一种露天矿山边坡图像裂隙参 数提取方法， 涉及图像识别和矿业地质建模技术 领域。 通过无人机对露天矿山边坡进行航拍， 建 立边坡图像数据集， 将图像中的裂隙预处理形成 标签图， 建立裂隙图像训练集， 采用改进U ‑net网 络对裂隙图像训练集进行训练至网络收敛， 并将 收敛后的网络参数保存为裂隙识别模 型， 使用裂 隙识别模型对露天边坡裂隙图像进行识别， 将提 取的裂隙的相关像素信息通过三点法转换为倾 向、 倾角、 迹长等几何参数。 本发明将深度学习技 术引入露天矿山边坡图像数据解析过程， 通过卷 积神经网络将边坡中的裂隙像素信息提取， 将其 转化为几何参数信息， 从而实现了裂隙参数信息 的提取。 权利要求书2页 说明书9页 附图5页 CN 114842364 A 2022.08.02 CN 114842364 A 1.一种露天矿山 边坡图像 裂隙参数提取 方法， 其特 征在于， 包括以下步骤： S1： 对露天矿山边坡进行边坡图像采集并提取边坡图像数据； 对所述边坡图像进行图 像数量扩充； S2:对扩充后的边坡图像进行预处理， 获得裂隙标签图； 根据所述裂隙标签图和扩充后 的边坡图像建立裂隙图像训练集； S3: 选取改进U ‑net网络， 通过所述裂隙图像训练集对改进U ‑net网络进行训练， 直至 所述改进U ‑net网络收敛； 将收敛后的网络参数保存为裂隙识别模型的参数， 获得裂隙识别 模型； S4:通过所述裂隙识别模型对待识别的边坡图像进行识别， 提取待识别的边坡图像中 裂隙像素 的信息； 对所述裂隙像素 的信息与所述边坡图像数据进行解算， 获得裂隙迹的几 何参数， 完成露天矿山 边坡图像 裂隙参数提取。 2.根据权利要求1所述的方法， 其特征在于， 所述步骤S1中， 对露天矿山边坡进行边坡 图像采集并提取边坡图像数据； 对所述 边坡图像进行图像数量扩充， 包括： S11： 通过小型 无人机对露天矿山 边坡进行航拍， 采集 边坡图像； S12： 提取边坡图像数据， 所述 边坡图像数据包括： GP S坐标参数和航拍相机姿态参数； S13： 将采集到的边坡图像通过 数据强化的方式进行图像数量扩充。 3.根据权利要求2所述的方法， 其特征在于， 所述步骤S11中， 通过小型无人机对露天矿 山边坡进行航拍， 包括： 对小型无人机航拍的航线进行规划， 使用无人机倾斜摄影方法对露天矿山边坡进行航 拍； 其中， 航线规划参数包括： 航向重叠率、 旁向重叠率、 飞行相 对高度和航线长度； 航拍覆 盖整个待测的露天矿山 边坡。 4.根据权利要求2所述的方法， 其特征在于， 所述步骤S13中， 将采集到的边坡图像通过 数据强化的方式进行图像数量扩充， 包括： 将采集到的边坡图像统一处理为512 ×512像素大小的图像， 通过随机图像旋转、 变形、 缩放以及生成噪声的数据增强操作， 将图像数量扩充至采集数量的N 倍， 其中N≥10 。 5.根据权利要求1所述的方法， 其特征在于， 所述步骤S2中， 对扩充后的边坡图像进行 预处理， 获得裂隙标签图， 根据所述裂隙标签图和扩充后的边坡图像建立裂隙图像训练集， 包括： S21： 对扩充后的边坡图像进行图像灰度化、 高斯滤波、 二值化处理以及边缘检测处理， 得到裂隙标签图； S22： 根据所述裂隙标签图和扩充后的边坡图像建立裂隙图像训练集。 6.根据权利要求1所述的方法， 其特征在于， 所述步骤S3中， 选取改进U ‑net网络， 通过 所述裂隙图像训练集对改进U ‑net网络进行训练， 直至所述改进U ‑net网络收敛， 将收敛后 的网络参数保存为裂隙识别模型的参数， 获得裂隙识别模型， 包括： S31： 采用改进U ‑net网络， 通过归一化处理对裂 隙图像训练集进行处理并输入至改进 U‑net网络； S32： 提取裂隙图像的多尺度裂隙特 征； S33： 采用si gmoid函数作为输出端的激活函数， 将线性输入转化为非线性输出， 输出裂 隙图像特 征；权　利　要　求　书 1/2 页 2 CN 114842364 A 2S34： 采用二元交叉损失熵BCE判断改进U ‑net网络是否收敛， 将收敛后的网络参数保存 为裂隙识别模型的参数， 获得裂隙识别模型。 7.根据权利要求6所述的方法， 其特征在于， 所述步骤S4中， 对所述裂隙像素的信息与 所述图像数据进行解算， 获得裂隙迹的几何参数， 完成露天矿边坡图像裂隙参数提取， 包 括： 对边坡图像中裂隙像素的相关信息， 与图像数据包含的GPS坐标信息和航拍相机姿态 参数进行解 算， 获得裂隙迹的几何参数， 完成露天矿山 边坡图像 裂隙参数提取； 其中边坡图像中裂隙像素的相关信息包括： 裂隙像素点在裂隙图像上的坐标、 无人机 拍摄时相机在大地 坐标系下的空间位置以及空间角。 8.根据权利要求7所述的方法， 其特征在于， 所述裂隙迹的几何参数包括： 裂隙在露天 矿山边坡上的迹 长、 宽度、 倾 斜、 倾角信息 。 9.一种露天矿山边坡图像裂隙参数提取装置， 其特征在于， 所述装置适用于权利要求 1‑8中任意一项所述的方法， 装置包括： 图像获取模块， 用于对露天矿山边坡进行边坡图像采集并提取边坡图像数据； 对所述 边坡图像进行图像数量扩充； 训练集构建模块， 用于对扩充后的边坡图像进行预处理， 获得裂隙标签图； 根据 所述裂 隙标签图和扩充后的边坡图像建立裂隙图像训练集； 模型训练模块， 用于选取改进U ‑net网络， 通过所述裂隙图像训练集对改进U ‑net网络 进行训练， 直至所述改进U ‑net网络收敛； 将收敛后的网络参数保存为裂隙识别模型的参 数， 获得裂隙识别模型； 图像裂隙参数提取模块， 用于通过所述裂隙识别模型对待识别的边坡图像进行识别， 提取待识别的边坡图像中裂隙像素的信息； 对所述裂隙像素的信息与所述边坡图像数据进 行解算， 获得裂隙迹的几何参数， 完成露天矿边坡图像 裂隙参数提取。 10.根据权利要求9所述的装置， 其特征在于， 所述图像获取模块， 用于通过小型无人机 对露天矿山边坡进 行航拍， 采集边坡图像； 提取边坡图像数据， 所述边坡图像数据包括： GPS 坐标参数和航拍相机姿态参数； 将采集到的边坡图像通过数据强化的方式进 行图像数量扩 充。权　利　要　求　书 2/2 页 3 CN 114842364 A 3