首页 > 论文范文 > 工程工业论文 > 工程综合论文 > 矿业工程论文 > 基于优化Canny-Ostu算法的爆破块度识别

基于优化Canny-Ostu算法的爆破块度识别

2024-05-20 64 上传者：管理员

摘要：为探讨露天矿台阶爆破块度的空间分布特征，利用无人机拍摄爆破后爆堆图像，结合图像识别算法提取块度分布特征。最后，通过数值分析对爆堆的空间分布特征及影响因素进行分析。结果表明，Canny-Ostu算法能够准确识别爆破块度，并可用于快速评估爆破质量。爆破块度特征参数符合对数正态分布，表层块体的统计平均面积是底部块体的3倍，而最大直径和长度是底部块体的1.5倍。炮孔填塞率与大块面积成正比，而延期时间、炸药单耗和炮孔排距与大块面积成反比。研究结果可为矿山台阶爆破参数优化提供参考。

关键词：
台阶爆破
图像识别
堆叠过程
爆堆
爆破参数
加入收藏

爆破块度是评估爆破质量的关键指标，是爆破设计优化的基础[1,2,3]。因此，对露天台阶爆破块度进行快速准确测量，分析爆堆块度的空间分布特征具有重要意义。

目前，基于图像识别技术的爆破块度测量方法被普遍采用[4,5,6]。针对爆破块度图像识别算法，李炳臻等[7]设计了一种新的卷积神经网络结构，解决传统图像识别算法收敛慢、识别精度低的问题。程纬华等[8]利用高阶神经网络解决了传统神经网络容错率低的问题。孟雪[9]利用爆破块度神经网络识别算法，解决爆堆图像去噪的问题。此外，一些基于Sobel边缘识别、滑动窗口算法和图像边缘特征提取算法的块体形状识别技术也被广泛应用于爆破块度识别。为了提高图像识别的准确性，朱林等[10]改进多级信息融合模型，并用石灰石、凝灰岩和花岗岩爆破块度的形状和比表面积验证了所提模型的有效性。陈雪松等[11]利用势能理论反映目标识别和目标分类领域的图像特征，将该概念应用于确定露天煤层爆破的块度分布特征。张建鹏等[12]开发了视觉系统来实时监测矿物加工过程中的骨料质量。

综上，目前少有研究关注爆破块度的空间分布特征。本文利用Canny-Ostu算法对无人机拍摄的爆破堆图像进行了处理，得到了表层块度的分布特征。同时，利用PFC2D模拟了不同爆破参数时爆堆的堆叠过程，分析了爆破块度的空间分布特征，旨在为爆破参数设计优化提供参考。

1、爆破块度识别方法

本文通过对比不同算法识别出的块体轮廓特征来确定最优的算法，爆破块度识别的整体流程如图1所示。其中，基于Canny算法的边缘检测[13],首先是对获取的图像进行灰度处理，然后通过高斯滤波对图像进行平滑处理来降低噪声[14,15,16]。高斯滤波的思路是将高斯函数离散化，以离散点上的高斯函数值为权重，对采集的灰度矩阵的每个像素做特定范围内的加权平均，这样可以有效消除高斯噪声。下一步与Sobel算子[17]类似，找到单个像素在x和y方向的梯度大小和方向，得到梯度图像，然后对该像素所有角度的非梯度方向进行像素抑制，避免梯度不落在相邻像素上，得到非最大抑制图像，并对非最大抑制图像进行双阈值检测。在Canny算法中，非最大抑制是边缘检测中必不可少的步骤，既找到像素的局部最大值，将非最大点对应的灰度值设为0,进而去除大部分非边缘点。

图1 爆破块度识别流程

最后利用Ostu算法对Canny算法进行优化[18,19],来进一步提高块体边缘的检测效果。Ostu算法是最大类间方差法，因为根据Ostu算法得到的阈值进行一元图像分割后，前景和背景图像的类间方差最大，所以把图像的像素分为前景和背景，分别求出其对应的灰度、类间方差，当类间方差越大时，阈值越合适。如图2所示，采用腐蚀-膨胀算法、膨胀-腐蚀算法、Canny算法和Canny-Ostu算法处理用于选择比较的图像。在区域1中，优化后的图像边界没有了线条，其中腐蚀-膨胀算法比膨胀-腐蚀算法处理得更好。在区域2中，优化后的图像阴影部分中识别出了堆块。不过，在原图中还是没有明显的块体，对于阴影部分的轮廓，腐蚀-膨胀算法更好，没有多余的轮廓。在区域3中，优化后的图像区分出了块体和堆块，腐蚀-膨胀算法将色块视为无，膨胀-腐蚀具有许多块体图像。在区域4中，主要是块体部分，与Canny-Ostu算法相比，腐蚀-膨胀算法还有待改进，在划分边界时容易造成重叠与分割，不存在的碎片化图像较多。

图2 边缘检测结果

在本研究中以图1所示的短距离拍摄的爆堆图像为参照，根据物理尺寸和像素之间的换算关系，可以计算出块体的实际尺寸，三种典型方法得到的块体的面积、长度和宽度分布区间如表1所列，表1还列出了现场实测典型块体的尺寸分布参数。由表1可知，使用Canny-Ostu算法处理的无人机图像得到的块体数据与实际值吻合度更高。因此，在后续分析中，采用Canny-Ostu算法来分析爆堆块度特征。

表1 爆堆岩块尺寸主要分布区间

2、无人机测量爆堆块度特征

2.1 无人机拍摄过程

利用大疆无人机拍摄了露天台阶爆破后的爆堆图像，如图3所示，图中有一个边长为50 cm的正方形物体作为参照物。在拍摄前，对无人机的镜头进行了校准，并检查了控制和图像信号。对系统进行了校准，来消除任何可能的误差。得到许可后，无人机飞到爆堆上方。飞行高度保持在20～30 m。在采集图像的过程中，无人机直接位于爆堆的上方，保持垂直偏差不超过10°,排除了拍摄角度过大对结果的影响。

图3 无人机拍摄台阶爆堆

2.2 块度特征分析

图4(a)显示了Canny-Ostu算法处理后得到的块体尺寸的直径分布直方图。爆堆的最大直径近似服从对数正态分布，主要分布范围为45～65 cm。这表明，台阶爆破效果较好，大块率较低，最大块体尺寸小于1 m, 不需要进行二次破碎。块体的分形维度可以反映块体的特性。在本文中，块体的分形维度是使用尺寸-数量计算方法确定的。块体被假定为具有等体积的立方体。根据测量的块体的长度(l)、宽度(w)和厚度(h)(块体在任意三个正交方向的最大尺寸),得到立方体的等效边长 Leq,用公式(1)计算相应块体的分维值[20]。

图4 块体特征分析示意图

式中：Leq =(l×w×h)1/3;N为所选样本区中等效长度大于Leq的片段数量；N0为具有最大等效尺寸等于 Leqmax的片段数量；D为块体的分形维度值。使用lg(Leqmax/Leq)与lgN作图时，所得曲线的斜率为块体的分形维度。实测爆堆块体的分维值为2.84,拟合曲线如图4(b)所示。

3、爆破堆积过程的数值分析

3.1 数值模型

台阶爆破的离散元数值模型(PFC2D)如图5所示。按照鞍千矿台阶爆破的主要几何参数设置具体参数如下：台阶高度为12 m, 坡角为70°。炮孔深度为14 m, 超深为2 m, 填充高度为6 m, 按横向排距6 m设置两个炮孔。在进行数值分析之前，根据现场岩样的单轴压缩应力—应变曲线，对模型的细观参数进行了标定，最终计算选用的细观参数见表2。

图5 离散元素数值模型

表2 细观参数

3.2 堆叠过程

图6显示了台阶爆堆的形成过程，其中前排孔和后排孔的延期时间为10 ms[21],前排孔先起爆。从图6可以看出，当前排孔起爆时，台阶的坡面首先发生断裂。后排孔起爆时，爆炸应力波沿自由表面传播。两排炮孔中间区域的岩体首先被挤压，在前后两排孔的爆炸应力波的共同作用下，岩体高度破碎，仅在表层形成少量块体。后排孔左侧的岩体受应力波影响最弱，破碎程度也最低。随着台阶块体向前抛出，最后形成了斜坡状爆堆，爆堆的块度分布具有上下两层分层特征，大块主要分布于上表面。

图6 台阶爆堆形成过程

3.3 爆破参数的影响

为探讨延期时间、填塞率(填塞高度与孔深之比)、炸药单耗和炮孔排距对大块面积的影响，采用变量控制法对不同爆破参数下的爆堆形成过程进行数值模拟，得到不同参数对爆堆大块面积的影响规律，如图7所示。从图7可以看出，表层和底层大块面积对不同爆破参数的依赖性呈线性趋势。填塞率、炮孔排距与大块面积呈正相关，而延期时间和炸药单耗与大块面积呈负相关。因此通过适当增加延期时间、降低填塞高度、增加炸药单耗和加密钻孔网络，可有效降低大块率。将数值模拟得到的爆堆的最终状态图像作为输入，进行图像的灰色处理。在加入脉冲噪声后，进行了中值过滤和其他程序。之后，得到了露天台阶爆堆表层和底层块体尺寸的统计分布和分形维度。表层和底层爆破堆块的最大直径尺寸的主要分布区域分别为3～12像素和5～9像素。表层块的分形维度为2.91,与实测值2.84接近，说明数值模拟结果的准确性。与表层相比，底层块体的分形维度为1.7,说明内部岩体的能量利用更充分，破碎程度更高。图8显示了表层和底层块体的不同特征尺寸(面积、直径、长度和宽度)的统计分布平均值。就面积而言，表层岩块的平均值约为底层岩块的3倍，最大直径和长度约为1.5倍，而宽度则相同。

图7 不同爆破参数对爆堆大块面积的影响

图8 爆堆不同指标统计分布平均值

4、结论

为探讨露天矿台阶爆破的碎裂空间分布特征，用无人机拍摄了爆破后的爆堆图像，并通过图像识别算法提取了块体分布特征。最后，通过数值分析，对爆堆的空间分布特征和影响因素进行了分析。主要结论如下：

1)与腐蚀-膨胀算法和膨胀-腐蚀算法相比，Canny-Ostu算法对于识别无人机拍摄的爆炸图像更加准确，可以快速评估爆破质量。

2)爆堆的空间分布特征表明，爆破块度特征参数符合对数正态分布，其中，爆堆的主要块体集中在表层，而底部的块体较少。此外，表层块体的面积是底层块体的3倍，最大直径和长度是底层块体的1.5倍。

3)爆破参数对爆堆的大块面积有明显影响。具体而言，填塞率、炮孔排距与大块面积成正比；而延期时间、炸药单耗与大块面积成反比。因此，合理设置延期时间、降低填塞高度、增加炸药单耗和缩短炮孔排距可有效控制爆堆大块。

参考文献:

[1]傅鹏.岩体结构面对台阶爆破效果影响研究[J].爆破,2023,40(1):77-84.

[2]陈学松,欧任泽,林卫星,等.爆破参数优化对块度控制的影响研究[J].采矿技术,2021,21(6):134-137.

[3]李建雄.基于分形理论的大直径深孔爆破块度分析[J].矿冶,2019,28(4):38-41.

[4]王大坤,叶图强,闫大洋,等.基于三维激光扫描技术的爆破块度识别[J].有色金属工程,2022,12(11):120-127.