【技術實現步驟摘要】
本申請涉及圖像處理，尤其涉及一種基于圖像處理的礦山生態環境監測方法及系統。
技術介紹
1、在礦山開采的過程中，會對礦山的生態環境造成一定影響，隨著綠色發展理念不斷深入人心，在礦山開采的過程中如何對礦山生態環境進行實時監測，成為礦山開采領域的重要任務。
2、目前，公開號為cn116189010a的專利申請文件公開了一種基于衛星圖譜的礦山生態識別預警方法及系統，其中的方法包括：獲取礦山的衛星圖譜數據，進行預處理后對不同時間不同角度的衛星圖譜數據整合，生成礦山衛星圖譜時序序列進行特征提取，將提取的特征與礦山所在地區的氣象數據進行特征匹配，獲取融合特征，并對當前礦山生態環境進行評價；構建礦山生態環境預警模型，基于當前礦山生態環境的評價結果利用融合特征進行預測，輸出礦山生態環境的分析預測結果；將礦山生態環境的分析預測結果與預設閾值進行比較，根據對比結果生成預警提示。
3、上述方法通過對礦山衛星圖譜時序序列和氣象數據進行匹配，得到融合特征，并將融合特征輸入礦山生態環境預警模型，得到礦山生態環境的分析預測結果；然而，礦山開采為一個復雜且漫長的過程，且礦山地形復雜，僅依據融合特征無法準確獲取礦山各位置處的生態環境監測結果，導致礦山生態環境監測結果不準確。
技術實現思路
1、為了解決礦山生態環境監測結果不準確的技術問題，本申請提供了一種基于圖像處理的礦山生態環境監測方法及系統，能夠準確獲取礦山各位置處的生態環境監測結果。
2、本申請第一方面，提供了一種基于圖像處理
3、首先，將監測礦山劃分為多個監測區域，并將各監測區域的中心點作為監測點；依據開采時長和監測數據的信息熵計算各監測點的環境復雜度，環境復雜度越大，表示對應監測點生態環境監測結果的難度越大；同時，計算各監測點在多個預設尺度中的局部莫蘭指數，若監測點在預設尺度中局部莫蘭指數的絕對值越大，表示監測點在預設尺度內具有較強的相關性，在預設尺度內在對監測點進行生態環境監測時，鄰接監測點的監測數據能提供有效的參考信息，提高監測點監測結果的準確性；進一步地，依據環境復雜度對各監測點在預設尺度下的局部莫蘭指數進行加權求和，得到預設尺度的選取分值，按照選取分值從大到小的順序選取n個預設尺度，統計所述n個預設尺度中局部莫蘭指數大于指數閾值的監測點數量占比，以n為橫坐標，n對應的監測點數量占比為縱坐標繪制占比曲線；確定占比曲線的拐點，將拐點對應的預設尺度作為目標尺度以構建卷積神經網絡，使得卷積神經網絡能夠提取到各監測點目標尺度內的信息，從而確保卷積神經網絡能夠準確輸出各監測點的監測結果。
4、優選地，監測點的環境復雜度為：
5、，為開采時長，為歷史時刻的數量，為信息熵；所述開采時長為所有歷史時刻中處于開采過程的時刻數量，所述信息熵為由多個歷史時刻監測數據組成的時間序列的排列熵或樣本熵。
6、環境復雜度能夠精準量化獲取對應監測點生態環境監測結果的難易程度，開采活動越頻繁，表示對應監測點受人為因素的影響越大，該監測點的環境復雜度越大；信息熵越大，表示對應監測點監測數據的變化越混亂，該監測點的環境復雜度越大。
7、優選地，監測點預設尺度的局部莫蘭指數為：
8、，為監測點的標準化值，為預設尺度內鄰接監測點的數量，為監測點和鄰接監測點的空間權重，為鄰接監測點的標準化值，為所有鄰接監測點的空間權重之和，所述空間權重與監測點到鄰接監測點的距離呈負相關。
9、一個預設尺度的局部莫蘭指數用于衡量一個監測點的監測數據與該預設尺度的局部區域內其他監測點的相關性；對于監測點而言，若預設尺度的局部莫蘭指數越大，表示預設尺度內的鄰接監測點與監測點之間具有較強的相關性，在對監測點進行生態環境監測時，鄰接監測點的監測數據能提供有效的參考信息，也即是說，在預設尺度內獲取的監測點生態環境監測結果的準確性越高，因此，通過局部莫蘭指數可精準量化預設尺度內獲取的監測點生態環境監測結果的準確性。
10、優選地，統計所述n個預設尺度中局部莫蘭指數大于指數閾值的監測點數量占比包括：對于任意監測點，響應于所述n個預設尺度中任意預設尺度的局部莫蘭指數大于指數閾值，對所述監測點進行標記；所述監測點數量占比為被標記的監測點在所有監測點中的數量占比。
11、優選地，所述卷積神經網絡包括編碼器和解碼器，所述編碼器包括多個卷積層，將所述拐點對應的預設尺度作為目標尺度以構建卷積神經網絡包括：獲取編碼器中每個卷積層的感受野，將感受野等于目標尺度的卷積層作為目標卷積層；將各目標卷積層的輸出結果作為解碼器的輸入以輸出監測結果圖，所述監測結果圖包括各監測點的監測結果。
12、通過目標尺度對編碼器中不同感受野的卷積層進行篩選以確定解碼器的輸入，使得解碼器能夠學習到任意監測點在目標尺度內的鄰域信息，確保各監測點能夠得到準確的生態環境監測結果。
13、優選地，所述解碼器包括多個上采樣層，將各目標卷積層的輸出結果作為解碼器的輸入以輸出監測結果圖包括：響應于任意上采樣層輸出結果的尺寸與目標卷積層輸出結果的尺寸相同，將所述目標卷積層和所述上采樣層的輸出結果相加后，作為下一個相鄰上采樣層的輸入。
14、優選地，所述基于歷史時刻的監測數據訓練所述卷積神經網絡包括：獲取各監測點在歷史時刻的標簽信息，所述標簽信息為正常或異常；將各監測點在歷史時刻的監測數據輸入所述卷積神經網絡，輸出各監測點在歷史時刻的監測結果，計算所述標簽信息和所述監測結果計算交叉熵損失，并利用梯度下降法更新所述卷積神經網絡；迭代地更新所述卷積神經網絡，直至交叉熵損失小于預設損失時，完成訓練。
15、優選地，所述交叉熵損失為：
16、，包括所有監測點，為監測點在歷史時刻的監測結果，為監測點在歷史時刻的標簽信息，表示和之間的交叉熵函數值，為監測點在目標尺度中的平均局部莫蘭指數，為調節系數。
17、由于在目標尺度下各監測點的局部莫蘭指數存在差異，一個監測點在目標尺度下的局部莫蘭指數越大，表示該監測點與目標尺度內鄰接監測點之間的相關性也越大，該監測點越容易獲本文檔來自技高網...
【技術保護點】
1.一種基于圖像處理的礦山生態環境監測方法，其特征在于，所述監測方法包括：
2.根據權利要求1所述的一種基于圖像處理的礦山生態環境監測方法，其特征在于，監測點的環境復雜度為：
3.根據權利要求1所述的一種基于圖像處理的礦山生態環境監測方法，其特征在于，監測點預設尺度的局部莫蘭指數為：
4.根據權利要求1所述的一種基于圖像處理的礦山生態環境監測方法，其特征在于，統計所述N個預設尺度中局部莫蘭指數大于指數閾值的監測點數量占比包括：
5.根據權利要求1所述的一種基于圖像處理的礦山生態環境監測方法，其特征在于，所述卷積神經網絡包括編碼器和解碼器，所述編碼器包括多個卷積層，將所述拐點對應的預設尺度作為目標尺度以構建卷積神經網絡包括：
6.根據權利要求5所述的一種基于圖像處理的礦山生態環境監測方法，其特征在于，所述解碼器包括多個上采樣層，將各目標卷積層的輸出結果作為解碼器的輸入以輸出監測結果圖包括：
7.根據權利要求1所述的一種基于圖像處理的礦山生態環境監測方法，其特征在于，所述基于歷史時刻的監測數據訓練所述卷積神經網絡
8.根據權利要求7所述的一種基于圖像處理的礦山生態環境監測方法，其特征在于，所述交叉熵損失為：
9.一種基于圖像處理的礦山生態環境監測系統，其特征在于，包括處理器和存儲器，所述存儲器存儲有計算機程序指令，當所述計算機程序指令被所述處理器執行時實現根據權利要求1至8中任一項所述的一種基于圖像處理的礦山生態環境監測方法。
...【技術特征摘要】
1.一種基于圖像處理的礦山生態環境監測方法，其特征在于，所述監測方法包括：
2.根據權利要求1所述的一種基于圖像處理的礦山生態環境監測方法，其特征在于，監測點的環境復雜度為：
3.根據權利要求1所述的一種基于圖像處理的礦山生態環境監測方法，其特征在于，監測點預設尺度的局部莫蘭指數為：
4.根據權利要求1所述的一種基于圖像處理的礦山生態環境監測方法，其特征在于，統計所述n個預設尺度中局部莫蘭指數大于指數閾值的監測點數量占比包括：
5.根據權利要求1所述的一種基于圖像處理的礦山生態環境監測方法，其特征在于，所述卷積神經網絡包括編碼器和解碼器，所述編碼器包括多個卷積層，將所述拐點對應的預設尺度作為目標尺度以構建卷積神經網絡...
【專利技術屬性】
技術研發人員：曹虎生，劉曉東，郭亮亮，張東鋒，高亞飛，張鵬，
申請(專利權)人：陜西省一八五煤田地質有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。