本發(fā)明涉及圖像識別領(lǐng)域，具體涉及一種基于計算機視覺的鉆探巖芯圖像自動識別系統(tǒng)。

背景技術(shù)：

1、巖芯是研究地殼結(jié)構(gòu)、地球歷史以及礦產(chǎn)資源分布的關(guān)鍵實物證據(jù)。通過對巖芯的識別和分析，可以深入了解地球的內(nèi)部結(jié)構(gòu)和演化過程；它不僅是地質(zhì)勘探和礦產(chǎn)資源評估的基礎(chǔ)，還是推動地質(zhì)科學(xué)研究和技術(shù)發(fā)展的重要手段?，F(xiàn)在的巖芯識別大多依靠工作人員的工作經(jīng)驗，部分識別設(shè)備通過采集巖芯的圖片進行比對，來識別巖芯類型；但是巖芯種類多樣，部分巖芯外形較為相似，導(dǎo)致設(shè)備誤判率過大，可靠性較差；為提升巖芯的識別效率和可靠性，提出一種基于計算機視覺的鉆探巖芯圖像自動識別系統(tǒng)。

技術(shù)實現(xiàn)思路

1、本發(fā)明所要解決的技術(shù)問題在于：如何解決現(xiàn)有的安全防護系統(tǒng)，防護類型單一，導(dǎo)致防護效果較差，給安全防護系統(tǒng)的使用帶來了一定的影響的問題，提供了一種基于計算機視覺的鉆探巖芯圖像自動識別系統(tǒng)。

2、本發(fā)明是通過以下技術(shù)方案解決上述技術(shù)問題的，本發(fā)明包括數(shù)據(jù)采集模塊、預(yù)處理模塊、數(shù)據(jù)庫模塊、數(shù)據(jù)處理模塊、驗證模塊、數(shù)據(jù)輸出模塊；

3、數(shù)據(jù)采集模塊用于采集巖芯的實時圖片數(shù)據(jù)；

4、預(yù)處理模塊用于接收實時圖片數(shù)據(jù)，對實時圖片數(shù)據(jù)進行去噪和增強；

5、數(shù)據(jù)庫模塊用于儲存不同巖芯的標(biāo)準(zhǔn)特征數(shù)據(jù)和歷史數(shù)據(jù)信息；

6、數(shù)據(jù)處理模塊用于接收實時圖片數(shù)據(jù)，并提取圖片的目標(biāo)特征數(shù)據(jù)；再導(dǎo)入標(biāo)準(zhǔn)特征數(shù)據(jù)和歷史數(shù)據(jù)信息，對目標(biāo)特征數(shù)據(jù)進行分析，并生成圖像識別報告；

7、驗證模塊用于接收圖像識別報告和歷史數(shù)據(jù)信息，對歷史數(shù)據(jù)信息進行處理和分析，對圖像識別報告進行驗證，并生成驗證反饋報告；

8、數(shù)據(jù)輸出模塊用于接收并輸出圖像識別報告和驗證反饋報告。

9、優(yōu)選的，所述預(yù)處理模塊的處理過程為：

10、獲取實時圖像數(shù)據(jù)；

11、將圖像均勻分割成多個塊狀單元；

12、使用多線程編程庫創(chuàng)建線程；

13、將分割后的塊狀單元平均分配給每個線程；

14、在每個線程中，對分配的塊狀單元應(yīng)用均值濾波算法和直方圖均衡化算法進行處理；

15、在所有線程完成處理后，將處理后的塊狀單元合并成完整的圖像并輸出。

16、優(yōu)選的，所述歷史數(shù)據(jù)信息包括各巖芯的歷史特征數(shù)據(jù)，所述數(shù)據(jù)處理模塊的處理過程為：

17、獲取實時圖片數(shù)據(jù)；

18、在實時圖片的不同位置處標(biāo)記多個單元區(qū)域，采集單元區(qū)域內(nèi)的圖片數(shù)據(jù)并生成多個目標(biāo)特征數(shù)據(jù)；

19、導(dǎo)入不同巖芯的標(biāo)準(zhǔn)特征數(shù)據(jù)；

20、統(tǒng)計目標(biāo)特征數(shù)據(jù)的數(shù)量a1；

21、計算目標(biāo)特征數(shù)據(jù)在不同巖芯的標(biāo)準(zhǔn)特征數(shù)據(jù)中的數(shù)量占比，并將占比最大的巖芯作為預(yù)選巖芯；

22、隨機導(dǎo)入一組預(yù)選巖芯的歷史特征數(shù)據(jù)；

23、統(tǒng)計預(yù)選巖芯的數(shù)量a2，再分別統(tǒng)計歷史特征數(shù)據(jù)中每個特征數(shù)據(jù)出現(xiàn)的次數(shù)a3；

24、使用公式f=a3/a2計算每個特征數(shù)據(jù)出現(xiàn)的頻率f；

25、當(dāng)頻率f≥預(yù)設(shè)閾值q1時，將其定義為一般特征數(shù)據(jù)；

26、當(dāng)預(yù)設(shè)閾值q2≤頻率f＜預(yù)設(shè)閾值q1時，將其定義為偶然特征數(shù)據(jù)；

27、當(dāng)頻率f＜預(yù)設(shè)閾值q2時，將該特征數(shù)據(jù)清除；

28、統(tǒng)計目標(biāo)特征數(shù)據(jù)中的一般特征數(shù)據(jù)a4和偶然特征數(shù)據(jù)a5；

29、計算目標(biāo)特征數(shù)據(jù)的綜合特征得分e，具體計算過程為：

30、；

31、其中，為一般特征數(shù)據(jù)在綜合特征得分e中所占的比重，為偶然特征數(shù)據(jù)在綜合特征得分e中所占的比重，；

32、當(dāng)綜合特征得分e≥預(yù)設(shè)閾值q3時，將預(yù)選巖芯更改為輸出巖芯，并生成圖像識別報告；

33、當(dāng)綜合特征得分e＜預(yù)設(shè)閾值q3時，將預(yù)選巖芯的數(shù)據(jù)清除。

34、優(yōu)選的，所述實時圖片數(shù)據(jù)包括實時尺寸信息，所述目標(biāo)特征數(shù)據(jù)的生成過程還包括：

35、隨機標(biāo)記一個矩形區(qū)域，并統(tǒng)計矩形區(qū)域內(nèi)顆粒的數(shù)量b1；

36、隨機選擇n個顆粒，并分別建立每個顆粒的外接圓y1和內(nèi)接圓y2，獲取外接圓y1的半徑尺寸r1和內(nèi)接圓y2的半徑尺寸r2；

37、使用公式r3=（r1+r2）/2求取顆粒半徑；

38、再分別獲取n個顆粒的半徑，求取平均顆粒半徑；

39、使用公式求取顆粒的平均面積s1；

40、獲取矩形區(qū)域的尺寸并計算矩形區(qū)域的面積s2；

41、使用公式k=ns1/s2計算顆?？偯娣e站矩形區(qū)域面積的比值k；

42、設(shè)定顆粒的總面積ns1≥預(yù)設(shè)閾值q3，獲取單元區(qū)域面積最小值為kq3；

43、設(shè)定單元區(qū)域的形狀為矩形，并獲取單元區(qū)域的尺寸；

44、隨機獲取多個單元區(qū)域，并采集單元區(qū)域內(nèi)的圖片數(shù)據(jù)；

45、獲取多個圖片數(shù)據(jù)中的特征數(shù)據(jù)，將相同特征數(shù)據(jù)進行合并以生成多個目標(biāo)特征數(shù)據(jù)。

46、優(yōu)選的，所述實時圖片數(shù)據(jù)還包括實時紋理數(shù)據(jù)，所述目標(biāo)特征數(shù)據(jù)的生成過程還包括：

47、獲取實時圖片數(shù)據(jù)，在巖芯的高度方向上作一條平行于其軸線的虛擬直線l；

48、獲取實時紋理數(shù)據(jù)，并對虛擬直線與紋理之間的交點進行標(biāo)記，標(biāo)記點分別為c1、c2、c3、...、cn；

49、以預(yù)設(shè)尺寸將虛擬直線分割為多個子線段l`；

50、統(tǒng)計每個子線段l`上的標(biāo)記點數(shù)量，每個子線段l`上標(biāo)記點的數(shù)量分別為d1、d2、d3、...、dn；

51、計算相鄰兩個子線段上標(biāo)記點的差異度p，具體計算過程為：

52、；

53、當(dāng)差異度p≤預(yù)設(shè)閾值q4時，將兩個子線短l`進行合并；

54、當(dāng)差異度p＞預(yù)設(shè)閾值q4時，將兩個子線短l`進行分割以獲取多個子巖芯；

55、再每個子巖芯上隨機獲取多個單元區(qū)域，并采集單元區(qū)域內(nèi)的圖片數(shù)據(jù)；

56、獲取多個圖片數(shù)據(jù)中的特征數(shù)據(jù)，將相同特征數(shù)據(jù)進行合并以生成多個目標(biāo)特征數(shù)據(jù)。

57、優(yōu)選的，當(dāng)差異度p＞預(yù)設(shè)閾值q4時，所述目標(biāo)特征數(shù)據(jù)的生成過程還包括：

58、在子巖芯中任意選擇兩個相鄰的標(biāo)記點，分別過兩個標(biāo)記點沿著子巖芯的外壁做標(biāo)準(zhǔn)圓；

59、獲取兩個標(biāo)準(zhǔn)圓之間的局部條紋；

60、獲取局部條紋的弧長尺寸lr和巖芯的半徑尺寸r4；

61、計算局部條紋所對應(yīng)的圓心角的弧度數(shù)β，具體計算過程為：

62、；

63、當(dāng)弧度數(shù)β＞預(yù)設(shè)閾值q5時，將原子巖芯上的標(biāo)記點數(shù)量增加一個。

64、優(yōu)選的，所述實時圖片數(shù)據(jù)還包括實時斷面信息，所述歷史數(shù)據(jù)信息還包括歷史斷面分散度數(shù)據(jù)，所述驗證模塊的具體處理過程為：

65、導(dǎo)入圖像識別報告獲取輸出巖芯的實時斷面信息；

66、獲取巖芯斷面的輪廓線，在輪廓線上隨機選擇三個不重合的第一虛擬點位w并過三個第一虛擬點位w制作一個第一虛擬平面m；

67、在第一虛擬平面m上位于巖芯區(qū)域內(nèi)的位置隨機抽取多個參照點，并分別測量多個參照點距離巖芯斷面的軸向尺寸lc1、lc2、lc3、...、lcn；

68、計算多個垂直尺寸的分散度j1，具體計算過程為：

69、；

70、其中為平均軸向尺寸；

71、在獲取輸出巖芯的多個歷史斷面分散度數(shù)據(jù)，并求取其平均值；

72、計算輸出巖芯的偏差度jc，具體計算過程為：

73、

74、當(dāng)偏差單jc≤預(yù)設(shè)閾值q6時，輸出圖像識別報告；

75、當(dāng)偏差單jc＞預(yù)設(shè)閾值q6時，輸出驗證反饋報告，并生成警示報告；

76、優(yōu)選的，所述驗證模塊的處理過程還包括：

77、獲取巖芯斷面的輪廓線，獲取輪廓線的幾何中心點z1；

78、過中心點z1做虛擬線，虛擬線與輪廓線的交點分別為z2和z3；

79、在巖芯上隨機選取一個點z4，過z4制作垂直于巖芯軸線的第二虛擬平面；

80、獲取巖芯的直徑尺寸ld，再分別獲取第二虛擬平面距離交點z2和交點z3的距離尺寸，兩個距離尺寸分別為lh1和lh2；

81、計算虛擬線的傾斜角度θ，具體計算過程為：

82、；

83、過幾何中心點z1在不同的方向上分別作虛擬線，分別計算虛擬線的傾斜角度，并獲取多個虛擬角度的平均值θ1；

84、獲取三個虛擬點位w，計算任意兩個虛擬點位w之間的傾斜角度μ，具體計算過程為：

85、；

86、其中為兩個虛擬點位w之間的垂直距離，為兩個虛擬點位w之間的水平距離；

87、當(dāng)μ＞θ1時，將對應(yīng)虛擬點位w刪除并重新選擇。

88、優(yōu)選的，當(dāng)μ≤θ1時，驗證模塊的處理過程還包括：

89、在巖芯端面上隨機選擇三個第二虛擬點位，作三個第二虛擬點位制作第三虛擬平面；

90、在第二虛擬平面上選擇距離第三虛擬平面尺寸的最大值點位和最小值點位使用預(yù)設(shè)規(guī)則計算第三虛擬平面法線的傾斜度η1，再使用相同最大值點位和最小值點位利用預(yù)設(shè)規(guī)則計算第一虛擬平面m法線的傾斜度η2；

91、預(yù)設(shè)規(guī)則為：

92、獲取第二虛擬平面上距離目標(biāo)平面尺寸的最大值點位和最小值點位并計算兩者的差值lm；

93、讀取巖芯的直徑尺寸ld；

94、計算目標(biāo)平面法線的傾斜度η`，具體計算過程為：

95、tanη`=ld/lm；

96、當(dāng)目標(biāo)平面為第三虛擬平面法線時，求取η1；當(dāng)目標(biāo)平面分別為第一虛擬平面m時，求取η2；

97、計算兩個法線傾斜度的異常度g，具體計算過程為：

98、g=｜η1-η2｜/η1；

99、當(dāng)異常度g＞預(yù)設(shè)閾值q7時，將該第一虛擬平面的數(shù)據(jù)清除，并重新選擇虛擬點位w。

100、優(yōu)選的，該系統(tǒng)還包括警示模塊，所述警示模塊用于接收驗證報告，當(dāng)驗證報告為警示報告時，作出警示動作。

101、本發(fā)明相比現(xiàn)有技術(shù)具有以下優(yōu)點：該系統(tǒng)先采集巖芯圖片，根據(jù)巖芯圖片信息對巖芯的表面的顆粒特征以及紋理特征進行分析，在保證巖芯特征完整性的前提下，在巖芯的特征密集區(qū)域和稀疏區(qū)域分別進行取樣來判斷巖芯類型，提升了特征數(shù)據(jù)的參照價值；最后再通過巖芯斷面數(shù)據(jù)對巖芯識別結(jié)果進行驗證，可以大大降低巖芯的誤判概率，大大提高了巖芯分析的自動化水平和識別精度，推動了地質(zhì)勘探技術(shù)的進步和創(chuàng)新，讓該系統(tǒng)使用更加可靠。