本發(fā)明涉及圖像識別領域，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：

1、巖芯是研究地殼結構、地球歷史以及礦產資源分布的關鍵實物證據。通過對巖芯的識別和分析，可以深入了解地球的內部結構和演化過程；它不僅是地質勘探和礦產資源評估的基礎，還是推動地質科學研究和技術發(fā)展的重要手段?，F在的巖芯識別大多依靠工作人員的工作經驗，部分識別設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，導致設備誤判率過大，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)。

技術實現思路

1、本發(fā)明所要解決的技術問題在于：如何解決現有的安全防護系統(tǒng)，防護類型單一，導致防護效果較差，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)明是通過以下技術方案解決上述技術問題的，本發(fā)明包括數據采集模塊、預處理模塊、數據庫模塊、數據處理模塊、驗證模塊、數據輸出模塊；

3、數據采集模塊用于采集巖芯的實時圖片數據；

4、預處理模塊用于接收實時圖片數據，對實時圖片數據進行去噪和增強；

5、數據庫模塊用于儲存不同巖芯的標準特征數據和歷史數據信息；

6、數據處理模塊用于接收實時圖片數據，并提取圖片的目標特征數據；再導入標準特征數據和歷史數據信息，對目標特征數據進行分析，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據信息，對歷史數據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、數據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，所述預處理模塊的處理過程為：

10、獲取實時圖像數據；

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，所述歷史數據信息包括各巖芯的歷史特征數據，所述數據處理模塊的處理過程為：

17、獲取實時圖片數據；

18、在實時圖片的不同位置處標記多個單元區(qū)域，采集單元區(qū)域內的圖片數據并生成多個目標特征數據；

19、導入不同巖芯的標準特征數據；

20、統(tǒng)計目標特征數據的數量a1；

21、計算目標特征數據在不同巖芯的標準特征數據中的數量占比，并將占比最大的巖芯作為預選巖芯；

22、隨機導入一組預選巖芯的歷史特征數據；

23、統(tǒng)計預選巖芯的數量a2，再分別統(tǒng)計歷史特征數據中每個特征數據出現的次數a3；

24、使用公式f=a3/a2計算每個特征數據出現的頻率f；

25、當頻率f≥預設閾值q1時，將其定義為一般特征數據；

26、當預設閾值q2≤頻率f＜預設閾值q1時，將其定義為偶然特征數據；

27、當頻率f＜預設閾值q2時，將該特征數據清除；

28、統(tǒng)計目標特征數據中的一般特征數據a4和偶然特征數據a5；

29、計算目標特征數據的綜合特征得分e，具體計算過程為：

30、；

31、其中，為一般特征數據在綜合特征得分e中所占的比重，為偶然特征數據在綜合特征得分e中所占的比重，；

32、當綜合特征得分e≥預設閾值q3時，將預選巖芯更改為輸出巖芯，并生成圖像識別報告；

33、當綜合特征得分e＜預設閾值q3時，將預選巖芯的數據清除。

34、優(yōu)選的，所述實時圖片數據包括實時尺寸信息，所述目標特征數據的生成過程還包括：

35、隨機標記一個矩形區(qū)域，并統(tǒng)計矩形區(qū)域內顆粒的數量b1；

36、隨機選擇n個顆粒，并分別建立每個顆粒的外接圓y1和內接圓y2，獲取外接圓y1的半徑尺寸r1和內接圓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計算顆粒總面積站矩形區(qū)域面積的比值k；

42、設定顆粒的總面積ns1≥預設閾值q3，獲取單元區(qū)域面積最小值為kq3；

43、設定單元區(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)域內的圖片數據；

45、獲取多個圖片數據中的特征數據，將相同特征數據進行合并以生成多個目標特征數據。

46、優(yōu)選的，所述實時圖片數據還包括實時紋理數據，所述目標特征數據的生成過程還包括：

47、獲取實時圖片數據，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、獲取實時紋理數據，并對虛擬直線與紋理之間的交點進行標記，標記點分別為c1、c2、c3、...、cn；

49、以預設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`上的標記點數量，每個子線段l`上標記點的數量分別為d1、d2、d3、...、dn；

51、計算相鄰兩個子線段上標記點的差異度p，具體計算過程為：

52、；

53、當差異度p≤預設閾值q4時，將兩個子線短l`進行合并；

54、當差異度p＞預設閾值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)域內的圖片數據；

56、獲取多個圖片數據中的特征數據，將相同特征數據進行合并以生成多個目標特征數據。

57、優(yōu)選的，當差異度p＞預設閾值q4時，所述目標特征數據的生成過程還包括：

58、在子巖芯中任意選擇兩個相鄰的標記點，分別過兩個標記點沿著子巖芯的外壁做標準圓；

59、獲取兩個標準圓之間的局部條紋；

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的圓心角的弧度數β，具體計算過程為：

62、；

63、當弧度數β＞預設閾值q5時，將原子巖芯上的標記點數量增加一個。

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

65、導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據，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、當偏差單jc≤預設閾值q6時，輸出圖像識別報告；

75、當偏差單jc＞預設閾值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μ＞θ1時，將對應虛擬點位w刪除并重新選擇。

88、優(yōu)選的，當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設規(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設規(guī)則計算第一虛擬平面m法線的傾斜度η2；

91、預設規(guī)則為：

92、獲取第二虛擬平面上距離目標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、計算目標平面法線的傾斜度η`，具體計算過程為：

95、tanη`=ld/lm；

96、當目標平面為第三虛擬平面法線時，求取η1；當目標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、當異常度g＞預設閾值q7時，將該第一虛擬平面的數據清除，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，當驗證報告為警示報告時，作出警示動作。

101、本發(fā)明相比現有技術具有以下優(yōu)點：該系統(tǒng)先采集巖芯圖片，根據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，提升了特征數據的參照價值；最后再通過巖芯斷面數據對巖芯識別結果進行驗證，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，推動了地質勘探技術的進步和創(chuàng)新，讓該系統(tǒng)使用更加可靠。