一种基于视频监控图像的采煤工作面地质编录方法与流程

1.本发明涉及煤炭智能化开采领域，具体涉及一种基于视频监控图像的采煤工作面地 质编录方法，从采煤工作面视频监控图像中提取地质信息，融合回采高度数据，对采煤工作 面进行动态地质编录。


背景技术：

2.煤炭智能化开采是新时代煤炭工业技术革命和转型升级的必然要求。受煤岩识别技 术难题制约，目前的智能开采一般选择在无大中型构造、煤层厚度稳定、近水平煤层等地质 条件简单的工作面进行，而在较复杂地质条件下的智能化开采还存在诸多技术难题。
3.2016年，国内煤炭行业首次提出了基于透明工作面的智能开采技术路线：首先，超 前、高精度查明待回采区域的煤层赋存条件，构建高精度煤层模型；然后，在煤层模型的基 础上模拟回采过程，提前规划采煤机的截割曲线，将“记忆截割”升级为“规划截割”。自 2019年以来，国内锦界煤矿31114工作面、榆家梁煤矿43101工作面、张家峁煤矿431301工作 面、郭屯煤矿3301工作面、黄陵一号煤矿810工作面先后开展了基于透明地质的规划截割工 程实践，取得了一定的效果。
4.实践表明：由静态地质数据(采前物探、钻探及巷道揭露等)构建的静态煤层模型 精度不足以为采煤机规划截割提供地质导航；采用高精度的煤层地质探测/测量技术递进式 获取回采揭露的煤层空间赋存信息，并修正煤层模型，可以大幅度提高待回采区域煤层模型 的精度。因此，如何高效、高精度采集回采动态揭露的煤层赋存地质信息是采煤工作面高精 度建模亟待解决的关键问题之一。


技术实现要素：

5.本发明所要解决的技术问题在于针对上述现有技术中的不足，本发明提供了一种基 于视频监控图像的采煤工作面地质编录方法，对“薄-中厚”煤层采全高工作面进行地质编 录。
6.为解决上述技术问题，本发明提供以下技术方案：
7.一种基于视频监控图像的采煤工作面地质编录方法，包括以下步骤：
8.工作面图像自动化采集步骤：控制云台摄像机光轴垂直工作面煤壁，采集工作面图 像；
9.地质构造信息提取步骤，根据工作面图像集整体信息，识别回采揭露的地质构造， 主要包括断层和陷落柱；
10.煤层起伏信息提取步骤，根据图像反映的煤-岩界面、层理、夹矸等信息，估算煤 层的局部伪倾角，结合工作面两侧巷道揭露的煤层地质信息，近似计算采煤工作面顶板线；
11.工作面局部煤-岩柱状信息提取步骤，人工或采用图像识别算法对工作面图像进行
ꢀ“
煤壁-岩壁-护帮板”语义分割，计算护帮板实际尺寸和像尺寸间的比例关系，并根据近景 测量原理计算煤-岩界面上部煤(或岩)壁高度，融合回采高度数据，再计算煤-岩界面下
部 岩(或煤)壁高度，得到局部煤-岩柱状信息；
12.工作面地质编录步骤，综合工作面顶板线及各观测点处的煤-岩柱状信息，得到采 煤工作面地质编录图。
13.优选的，所述工作面图像自动化采集步骤具体包括以下子步骤：
14.沿采煤工作面，每间隔一定数量的液压支架布置一台防爆型云台摄像机，推荐间隔 3-5台液压支架；
15.在检修班期间，通过集中控制中心控制工作面云台摄像机光轴垂直煤壁，采集工作 面图像。
16.优选的，所述地质构造信息提取步骤具体包括以下内容：
17.根据工作面图像集整体信息，识别回采揭露的断层和陷落柱，记录断层/陷落柱起 始对煤层产生破坏的起始支架编号和终了支架编号；
18.对于断层，采用区别于工作面图像颜色分布的线条，在工作面图像上标注断层面；
19.采用图像处理算法，根据断层面标注信息，计算断层倾角。
20.优选的，所述煤层起伏信息提取步骤中的估算煤层的局部伪倾角，具体包括以下步 骤：
21.人工或采用图像识别算法识别工作面图像中反映煤层伪倾角的对象，包括但不限于 煤-岩界面、煤层层理、煤层夹矸等；
22.采用区别于工作面图像颜色分布的线条，在工作面图像上标注煤层伪倾角；
23.采用图像处理算法，根据煤层伪倾角标注信息，计算煤层伪倾角。
24.优选的，所述地质构造信息提取步骤和煤层起伏信息提取步骤中的断层面、煤层伪 倾角计算，具体包括以下步骤：
25.根据像素颜色值差异，将标注断层面、煤层伪倾角的像素点筛选出来，记录所筛选 像素点在像素坐标系下的列数和行编号；
26.以图像左下角像素点为坐标原点建立xoy直角坐标系，按照式(1)将筛选像素点 行、列数转化为xoy坐标系中的x、y坐标：
[0027][0028]
式中，m、n分别为像素坐标系下像素点的行、列数，m为总行数，x、y分别为转换 后像素点在xoy坐标系中的x、y坐标；
[0029]
在xoy坐标系下，采用一元一次函数拟合红色像素点坐标集，记拟合直线斜率为k；
[0030]
当煤层向上延伸时，记煤层伪倾角α为正；当工作面向下延伸时，记煤层伪倾角为 负，根据该正负性约定，按照式(2)计算煤层伪倾角：
[0031][0032]
记断层倾角β为断层界线与水平线右向(摄像机视角)夹角，按照式(3)计算断层 面倾角：
[0033]
[0034]
优选的，所述煤层起伏信息提取步骤中的采煤工作面顶板线计算，具体包括以下步 骤：
[0035]
工作面倾角一般较小且变化平缓，同时考虑到相邻观测点间距(l
i-l
i-1
)长度有限， 可以用图(3)中折线段近似工作面顶板曲线。折线各段与水平线夹角为各观测点处的工作 面倾角，根据左侧巷道观测点处的标高z0及工作面倾角α0，可以按照式(4)计算其右侧观 测点的工作面顶板高z1：
[0036]
z1＝z0 (l
1-l0)tanα0ꢀꢀ
(4)
[0037]
对于任意相邻观测点有：
[0038][0039]
引入变量δz
i-1,i
，其定义式为：
[0040]
δz
i-1,i
＝z
i-z
i-1
(i＝1,...,n)
ꢀꢀ
(6)
[0041]
由式(6)，可得式(7)：
[0042][0043]
理想情况下，式(7)成立。由于问题简化及li和αi的误差，式(7)并不成立，为 此引入误差ε，因此式(7)改写为：
[0044][0045]
采用平差法将误差ε平均到各δz
i-1,i
中，即：
[0046][0047]
式中，εi(i＝1,...,n)为误差ε平差到各δz
i-1,i
中的误差分量。
[0048]
采用式(10)，将ε平差到各δz
i-1,i
：
[0049][0050]
由式(10)可以求解得到εi(i＝1,...,n)：
[0051][0052]
将式(8)和式(11)代入式(5)中，可得zi(i＝1,...,n-1)的计算式：
[0053][0054]
由上式即可求解未知量zi(i＝1,...,n-1)，得到工作面顶板线的近似折线。
[0055]
优选的，所述的工作面局部煤-岩柱状信息提取步骤具体包括以下子步骤：
[0056]
人工或采用图像识别算法对工作面图像进行“煤壁-岩壁-护帮板”语义分割，采用 图像处理算法获取工作面图像中煤壁、岩壁、护帮板的分布范围；
[0057]
由于摄像机光轴与被测物面垂直，测量目标尺寸和所成像的尺寸满足相似关系，如 式(13)：
[0058][0059]
式中，l1为标准物体在影像中的尺寸，l2为标准物体实际尺寸，a为被测物体在影 像中的尺寸，b被测物体实际尺寸，k为比例因子；
[0060]
对于采煤工作面图像而言，其中液压支架护帮挡板实际尺寸已知，对工作面图像语 义分割结果进行处理，可以得到护帮挡板所在区域的像素坐标集，进而可计算出护帮挡板像 的尺寸，然后按照式(13)可以得到比例因子k；
[0061]
受底部浮煤影响，工作面底部界线一般不清，为此首先根据图像分割结果计算煤
‑ꢀ
岩界面到护帮板底部的真实高度差δh，计算公式为：
[0062][0063]
式中，和分别为图像xoy坐标系下煤-岩界面y坐标平均值和护帮板底部y 坐标平均值，当煤-岩界面在护帮板底部之上时δh＞0，当煤-岩界面在护帮板底部之下时δh ＜0；
[0064]
考虑一般情况，即护帮板紧贴煤、岩壁，液压支架与工作面顶部直接接触，记护帮 板底部到工作面顶部距离为h0，则h0计算式为：
[0065]
h0＝h1 h2ꢀꢀ
(15)
[0066]
式中，h1为液压支架顶部支撑板厚度，h2为护帮板护帮高度，h1和h2均为已知值；
[0067]
由式(14)和式(15)，可以得到煤-岩界面到工作面顶部的高度hr为：
[0068]hr
＝h
0-δh
ꢀꢀ
(16)
[0069]
由记录的回采高度可以计算出煤-岩界面到工作面底部距离hf，计算式为：
[0070]
hf＝h-hrꢀꢀ
(17)
[0071]
式中，h为采煤机截割高度，可由采煤机摇臂角度传感器或液压支架支撑高度传感 器计算得到，上述各高度变量及其关系如图5所示。
[0072]
回采高度与图像识别相融合的方式，可以避免工作面浮煤对识别底部煤壁或岩壁
带 来的不利影响。
[0073]
有益效果：
[0074]
本发明充分利用智能开采工作面现有的视频监控系统，采用云台摄像机在检修班期 间采集工作面图像，并提取工作面中的有用地质信息，对“薄-中厚”煤层采全高工作面进 行地质编录。该方法无需地质测量人员下井，不干扰正常采煤作业，地质编录精度、效率高； 地质编录成果能为煤炭智能化开采提供关键数据支撑。
附图说明
[0075]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有 技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一 些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些 附图获得其他的附图。
[0076]
图1是本发明方法的实施流程图；
[0077]
图2是本发明方法中计算工作面顶板线的示意图；
[0078]
图3是本发明方法中采煤机截割相关高度变量示意图；
[0079]
图4是本发明方法实施例中工作面图像语义分割案例；
[0080]
图5是本发明煤壁-岩壁-护帮板”语义分割模型所采用的u-net网络模型架构；
[0081]
图6是本发明方法实施例中由图像语义分割结果计算局部煤-岩柱状信息案例；
[0082]
图7是本发明方法实施例中基于图像的地质编录图。
具体实施方式
[0083]
下面将结合本发明实施例及其附图，对本发明的技术方案、工作流程进行详细地描 述，本发明的保护范围不受以下实例的限制。
[0084]
一、工作面图像采集与基础信息
[0085]
以山西xy-s工作面为试验点，摄像机密度为每6台液压支架均匀布置1台摄像机， 于2020年12月12日检修班期间采集工作面图像。此时采煤机沿进风巷一侧推进了2355.0m， 沿辅助进风巷一侧推采了2360.8m。辅助进风巷煤层顶板标高504.82m、厚度3.13m、伪倾 角7.5
°
，进风巷煤层顶板标高517.63m、厚度2.55m、伪倾角0.4
°
。
[0086]
二、构造判别
[0087]
工作面图像显示该工作面60～95#支架处为正断层影响区。65～75#支架段为上部煤 层、下部岩层，75#支架显示断层面，75～90#支架段为全岩壁，90～114#支架段为上部岩层、 下部煤层段。
[0088]
三、煤层伪倾角标注与工作面顶板线计算
[0089]
人工标注了工作面图像中煤层的伪倾角和岩壁段的倾角，并将标注结果与实测数据 进行对比，结果如表1所示。
[0090]
表1
[0091]
根据工作面两侧巷道测量信息及煤层伪倾角信息，采用式(12)计算了工作面顶板 线。
[0092]
四、割岩区煤-岩柱状信息
[0093]
以70#支架处的煤岩柱状信息计算为例，说明割岩区煤-岩柱状信息提取方法：
[0094]
采用u-net卷积神经网络训练工作面图像“煤壁-岩壁-护帮板”语义分割模型，并对 70#支架摄像机采集的图像进行语义分割，结果如图4所示；
[0095]
本发明采用u-net模型训练工作面图像语义分割模型。u-net模型架构如图5所 示，该模型由左侧收缩路径(contracting path)和右侧扩张路径(expanding path)构成。收 缩路径部分遵循典型的卷积神经网络结构，由4个重复的“2次带修正线性单元(rectified linear unit，relu)的3
×
3卷积操作 1次步长为2的2
×
2最大池化操作”和2次带 relu的3
×
3卷积操作构成，收缩路径的作用是提取图像特征。扩张路径部分由4次重 复的上采样(upsampling)步骤和1次1
×
1卷积操作构成，单次上采样包括1次2
×
2反 卷积(up-convolution)、1次特征图拼接和裁剪和2次带relu的3
×
3卷积操作，扩张 路径的作用是将高级语义特征图恢复到原图片的分辨率，得到图像语义分割图参见图5所示。
[0096]
xy-s工作面液压支架型号为zy8000/18/37d，护帮挡板底部到工作面顶部距离1.25 m，护帮板宽度1.20m。根据图片中护帮挡板在像素坐标轴中的长度和实际边长，计算得到 实际尺寸与图像尺寸比例为0.0045，记录的采煤机截割高度为3.10m；
[0097]
基于图像语义分割结果、比例因子k和截割高度，计算并绘制如图6所示的煤-岩柱 状图；
[0098]
参考实测煤-岩柱状图，基于图像计算的煤-岩柱状图的煤壁高度绝对误差为0.08m， 相对误差为3.7％，岩壁高度绝对误差为0.08m，相对误差为8.6％。
[0099]
采用相同的方法，计算了岩壁尖灭段的95#、100#、105#和112#观测点处煤-岩柱状 信息，结果见表2。
[0100]
表2
[0101]
五、工作面地质编录与精度分析
[0102]
在工作面顶板线、岩壁尖灭段的煤-岩柱状图和采煤机截割高度的基础上，绘制了 12月12日xy-s采煤工作面地质编录图，图7所示。
[0103]
由于采煤机记录了采高数据，因此基于图像的地质编录和基于井下测量的地质编录 在高度方向上无区别，相较于实测剖面顶板线，基于图像计算的顶板线最大误差为0.84m， 17个测点处绝对误差平均值为0.33m。