автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Модели и алгоритмы обработки информации для анализа изображения массива горных пород при ведении буровзрывных работ

На правей рукописи

Иванов Лев Викторович

МОДЕЛИ И АЛГОРИТМЫ ОБРАБОТКИ ИНФОРМАЦИИ ДЛЯ АНАЛИЗА ИЗОБРАЖЕНИЯ МАССИВА ГОРНЫХ ПОРОД ПРИ ВЕДЕНИИ БУРОВЗРЫВНЫХ РАБОТ

Специальность 05.13.01 - «Системный анализ, управление и обработка информации (промышленность)»

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Москва 2013

г 1 ноя 2013

005538955

Работа выполнена в ФГБОУ ВПО "Московский государственный горный университет".

Научный руководитель Официальные оппоненты

Ведущее предприятие

кандидат технических наук, доцент Коньшин Борис Федорович доктор технических наук, профессор Певзнер Леонид Давидович, заведующий кафедрой «Автоматики и управления в технических системах» ФГБОУ ВПО "Московский государственный горный университет"

кандидат технических наук Сапожников Станислав Игоревич, начальник отдела «Производственных и финансово-управленческих информационных систем» ОАО «АК "Транснефтепродукт"»

ФГБОУ ВПО «Российский дружбы народов» (г. Москва)

университет

Защита диссертации состоится 17 декабря 2013 г. в 13т на заседании диссертационного совета Д-212.128.07 при ФГБОУ ВПО "Московский государственный горный университет" по адресу: 119991, Москва, Ленинский проспект, д.6.

С диссертацией можно ознакомиться в библиотеке Московского государственного горного университета (МГТУ).

Автореферат разослан 15 ноября 2013 г.

Ученый секретарь ^Л

диссертационного совета

доктор технических наук, профессор Гончаренко Сергей Николаевич

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы. Добыча полезных ископаемых неразрывно связана с необходимостью выработки больших объёмов крепких скальных горных пород, выемка и перемещение которых требуют предварительной буровзрывной подготовки (дробления и рыхления), осуществляемой, как правило, скважинными либо шпуровыми зарядами взрывчатых веществ в условиях уступной отбойки. При этом проблему качества дробления горных пород взрывом принято решать накоплением статистических данных по взрываемому массиву, что не позволяет оперативно получить оптимальный результат на новом месте в процессе расширения карьера. Большие годовые объёмы (более 300 млн. тонн в год) открытых горных работ, а также существенное влияние качества взорванной горной массы на производительность последующих выемочно-погрузочных работ, транспортировку и механическое дробление, определяют необходимость постановки научных исследований, направленных на повышение качества паспорта буровзрывных работ (БВР). Современные информационные технологии позволяют во многом упростить расчет самого паспорта БВР, но вопросы оперативной оценки физико-механических свойств массива горных пород, влияющих на его составление, остаются нерешенными. В силу сложности или временных затрат традиционные способы оценки трещиноватости массива горных пород не могут использоваться для оперативного принятия решений. С проблемой трудоемкости и длительности обработки при использовании бесконтактного фотопланиметрического метода помогает бороться автоматизация процесса. Но существующие решения довольно ограничены в своем применении, а их результаты далеки от реальных показателей в силу того, что используемые в них методы и алгоритмы не задействуют весь потенциал современных технологий. Для увеличения доверия к подобным разработкам была поставлена и решена научно-техническая задача анализа изображений массива горных пород, точность результатов которой

допускает их использование в качестве оперативного средства поддержки принятия решений при ведении БВР.

Цель научного исследования заключается в повышении качества разработки паспорта БВР путем увеличения точности оперативной оценки основополагающих физико-механических свойств разрушаемых горных пород, отобранных на основе анализа взаимосвязей технологических параметров БВР на карьере.

Идея работы заключается в анализе факторов, приводящих к накоплению ошибок при оперативной бесконтактной оценке основных физико-механических свойств массива горных пород и их устранению с помощью разработки метода и алгоритмов обработки и анализа фотопланограммы.

Для достижения поставленной цели в работе решаются следующие задачи:

1. Анализ физико-механических свойств горных пород и их взаимосвязей при расчете паспорта БВР, влияющих на качество разрушения горных пород взрывом;

2. Анализ существующих методов оценки трещиноватости и гранулометрического состава массива горных пород;

3. Разработка модели и алгоритмов обработки информации для анализа изображения массива горных пород на основе теории распознавания образов;

4. Выявление комплекса факторов (нечеткость деталей и различные дефекты изображения, погрешности работы анализирующих алгоритмов и т.д.), обуславливающих накопление ошибок при обработке изображения массива горных пород по созданной модели;

5. Разработка метода и алгоритмов предварительной обработки изображения, использующих нормализацию, усреднение и

сглаживание, снижающих степень неопределенности в исходной информации;

6. Разработка алгоритмов восстановления целостности полученных объектов и поиска оптимальных параметров для созданной модели, повышающих качество распознавания объектов на изображении;

7. Разработка пакета прикладных программ (111111), реализующего созданную модель анализа изображения массива горных пород и её алгоритмы;

8. Оценка надежности разработанной модели и её алгоритмов с помощью реализованного ППП.

Основные научные положения, разработанные соискателем:

1. Предложенная модель обработки информации для анализа изображений массива горных пород на основе теории распознавания образов позволяет оперативно оценивать основные физико-механические свойства массива горных пород бесконтактным способом;

2. Разработанные алгоритмы предварительной обработки и вспомогательного анализа изображений позволяют эффективно бороться с проблемой неопределенности в исходной информации;

3. Предложенные зависимости нахождения оптимальных порогов на разных этапах работы модели гарантируют высокое качество распознавания отдельностей на изображении массива горных пород.

Новизна научных исследований:

1. Разработаны модель и алгоритмы обработки информации для анализа изображений массива горных пород, основанные на методе кластерного анализа теории распознавания образов;

2. Осуществлена классификация факторов (яркостые шумы, нечеткость деталей, естественные дефекты изображения, ошибки генерации), приводящих к снижению качества распознавания объектов на изображении;

3. Разработан комплексный подход на основе алгоритмов предобработки и вспомогательного анализа изображения, повышающий распознаваемость объектов на изображении;

4. Выявлены закономерности при обработке изображения по созданной модели, позволяющие задавать оптимальные параметры для разработанных алгоритмов.

Обоснованность и достоверность научных положений, выводов и рекомендаций, сформулированных в диссертации, подтверждаются корректным использованием методов теории распознавания образов, численного анализа, а также положительными результатами экспериментального исследования.

Научная значимость диссертации состоит в развитии существующих разработок в области бесконтактной оценки основных физико-механических свойств массива горных пород, изменяющих текущее представление о сложности и трудоемкости фотопланиметрического метода.

Практическая значимость работы. Предложенные в работе модель, алгоритмы и методы реализованы в составе пакета прикладных программ (111111 «Отдельности 2.0»),' ориентированного на практическое использование в заинтересованных предприятиях горнодобывающей отрасли, в учебном процессе кафедр МГТУ «Взрывное дело» для проверки точности или замены ручного способа обработки фотопланограмм и «Автоматизированные системы управления» для наглядной демонстрации возможностей теории распознавания образов.

Реализация и внедрение результатов работы. Результаты диссертационной работы используются в учебном процессе МГТУ на кафедрах

4

«Взрывное дело» в дисциплине .«Разрушение горных пород взрывом» и «Автоматизированные системы управления» в дисциплине «Информатика», а также применяются при разработке проектной документации в организации ООО «Промтехвзрыв».

Публикации. Основные результаты диссертации опубликованы в 5 научных работах, в том числе 3 статьи - в изданиях, рекомендованных ВАК Минобрнауки России.

Структура и объем работы. Диссертационная работа состоит из введения, шести глав, заключения и списка литературы из 78 наименований, включает 44 рисунка, 23 формулы и 6 таблиц.

Благодарности. Автор выражает глубокую благодарность за проведенные консультации и высказанные ценные замечания в ходе работы над диссертацией профессору кафедры «Взрывное дело» Горбоносу М.Г., а так же сотрудникам кафедры «Автоматизированные системы управления», принимавшим участие в оформлении текста диссертации.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы диссертации, проведен анализ исследуемой научной задачи и определен подход к ее решению, определены цель и задачи диссертационного исследования, установлены научная новизна и практическая значимость результатов, сформулированы основные положения, выносимые на защиту.

В первой главе проведен анализ технологического процесса открытых горных работ как объекта управления, позволивший установить основные применяемые обозначения (таблица 1) и их зависимости (рис. 1) в процессе расчета паспорта БВР.

Таблица 1

Основные параметры паспорта БВР

Я высота массива, м

а угол откоса уступа, градусы

Квв переводной коэффициент от эталонного ВВ - аммонита №6ЖВ - к фактически используемому ВВ по идеальной работе взрыва

Кт коэффициент трещиноватости массива

р плотность взрываемых пород, т/м3

Л плотность заряжания, т/м3.

й0 средний размер отдельности во взрываемом массиве, м

диаметр скважины(заряда), м

предельный размер кондиционного куска во взорванной горной массе, м

f плотность породы по проф. Протодьяконову

т коэффициент сближения скважин (а -горизонталь, Ь - вертикаль).

Я удельный расход ВВ, кг/м3

§ блока ширина массива, м

ч расчетный расход ВВ, кг/м3

а расстояние между скважинами в ряду, м

Ь расстояние между рядами скважин, м

заб глубина забойки, м

Ьзар глубина заряжания, м

^блока длина массива, м

N0. число скважин в ряду, шт

Ы число рядов, шт

Н

а

Квв

Кт

р

А

Этап 1

Этап 2

¿0

/

т„

ть

Этап 4

Яблока

а, Ь, <7, Ьзар, Ьзаб

Ьблока

Этап 3

Рис. 1. Информационные взаимосвязи параметров паспорта БВР

6

Исходя из формул расчёта диаметра скважин й,

СКВ

с*скв~ 53КТ Л Д

Н с1ап а + с Кввр

и удельного расхода ВВ д

ц = 0.1377(0.6 + 3.3й0йз) (—J Кввр, кг\м3,

(2)

•н

а также представленных взаимосвязей при расчете паспорта БВР было установлено использование следующих свойств массива горных пород: плотность и трещиноватость. В силу того, что плотность породы является относительно постоянной и известной величиной, все дальнейшее исследование было направлено на проблему оперативного получения степени трещиноватости массива горных пород. В ходе исследования были выявлены перспективность бесконтактного фото планиметрического метода, а также целесообразность совершенствования существующих наработок в этой области. Суть фотопланиметрического метода заключается в следующем: забой рассматривается или фотографируется с заданного расстояния (20 м). Процент крупных кусков (отдельностей) на 1 м3 горной массы Уе+ определяют по формуле (3), предложенной МГГУ (МГИ):

где ~ площадь крупных отдельностей (кусков) на фотопланограммы,

• Ь. - площадь фотопланограммы, на которой выполняются измерения,

На основе таблицы категорий по классификации Межведомственной комиссии по взрывному делу (таблица 2) процент содержания крупных

+ _

е и"Н

(3)

отдельностей в массиве соотносится с его удельной блочностью и степенью трещиновато сти.

Таблица 2

Категория по классификации Межведомственной комиссии по взрывному

делу

Катего рия Степень трещиновато сти пород Степень блочности массива Содержание в массиве (%) отдельностей размерами (мм) свыше

300 500 700 1000

I Чрезвычайно трещиноватые Мелкоблочный < 10 <5 ~0 Нет

II Сильнотрещиноватые Среднеблочный 10-70 5-40 <30 <5

Ш Среднетрещиноватые Крупноблочный 70-100 40-100 40-80 5-40

IV Малотрещиноватые Весьма крупноблочный 100 100 80-90 40-80

V Весьма малотрещиноватые Исключительно крупноблочные 100 100 100 100

На основе кластерного анализа теории распознавания образов во второй главе диссертационной работы была разработана общая модель обработки информации для анализа изображения массива горных пород (рис. 2)

Здесь под исходным множеством объектов «П» представлена совокупность пикселей (точек) всего изображения. Процедура сегментации изображения преобразует исходное множество П в элементы множества М1 (все объекты изображения).

Применение процедуры фильтрации объектов по уровню яркости разбивает множество М] на два подмножества Мг (с недостаточной яркостью -трещины и тени) и М3. В Мз содержатся только те объекты, которые обладают достаточной яркостью для объектов-отдельностей.

Процедура фильтрации объектов по площади, проведенная над множеством Мз, исключает из него объекты, площадь которых соответствует площади объектов мелкой выработки (множество М4). В результате множество «О» содержит только объекты-отдельности, их площади и позиции сохраняются в перечне объектов-отдельностей.

Рис. 2. Модель обработки информации для анализа изображения массива

горных пород

Выбор порога разделения объектов в процедуре сегментации является сложноформализуемым процессом, в связи с чем был проведен ряд экспериментов, позволивший выработать следующую рекомендацию:

Введем обозначения.

с - порог разделения объектов по яркости для процедуры

сегментации;

Т = ■ ■ • Л} - множество обнаруженных сегментов для порога с;

9

Применение процедуры сегментации

Применение процедуры фильтрации объектов по уровню яркости

Применение процедуры фильтрации объектов по площади

Б = {.уь.?2, ... ,.?„} - множество площадей обнаруженных сегментов 1П;

0.10 и 0.25 - выявленные в результате экспериментальных исследований значения допустимой минимальной и максимальной площади сегмента от всего изображения.

Соответственно границы оптимального порога задаются следующим образом:

Мах....я,,)

(4)

Представленная рекомендация (4) позволяет выявлять оптимальный порог для процедуры сегментации, но не гарантирует качественного распознавания в целом, т.к. анализирующие алгоритмы сталкиваются с проблемами нечеткости деталей на изображении, дефектами освещения, внесёнными шумами от фиксирующей техники и пр., что негативно отражается на точности анализа. В связи с этим было проведено исследование факторов, приводящих к накоплению ошибки в процессе анализа изображения. Перечень дефектов изображения и проблемных мест модели, приводящих к тем или иным ошибкам, представлен ниже:

1. Потеря полезной информации в силу некорректного яркостного распределения;

2. Потеря единой целостности объекта из за наличия блика на его грани;

3. «Протечки» процедуры сегментации или чрезмерно мелкая генерация для неправильно выбранного значения порога;

4. Потеря составляющих единых объектов при наличии в них неучтенных областей во время процедуры фильтрации по площади;

5. Искажение реальной площади объекта на изображении в силу наличия наклона у уступа массива горных пород.

В соответствии с рассмотренными в главе 2 методами решений выявленных проблем в главах 3 и 4 представлен двухэтапный подход к общей проблеме повышения точности анализа фотопланограммы. На первом этапе происходит предобработка изображения с учетом специфики дальнейшей работы модели, а на втором этапе после процедуры сегментации проводятся дополнительная обработка и анализ данных с целью минимизации ошибок последующей работы фильтров.

Первым шагом к улучшению результатов анализа является выравнивание гистограммы яркости изображения - количественного распределения точек изображения по значениям яркости (от 0 до 255). В общем виде нормализация гистограммы описывается следующим образом:

у= Х~УП 255 , (5)

Х-тах ^тт где х - текущая яркость точки;

у - нормализованная яркость точки;

Хтт - минимальная яркость точек изображения;

хтах - максимальная яркость точек изображения.

Вторым шагом становится усреднение изображения в целом, т.к. массив горных пород неизбежно содержит излишне яркие блики на гранях отдельностей и неглубокие тени. Для этого предлагается использовать выработанное в процессе исследований преобразование (6):

Введем следующие обозначения:

х - текущая яркость точки (0... 255);

у - усредненная яркость точки (0...255);

к — начальное значение добавочной яркости;

100, 150, 200 - выявленные в процессе исследования значения градаций повышения яркости.

Тогда усредненная яркость выбирается следующим образом:

У =

х < 100 100 < х < 150 150 < х < 200 200 < х

(6)

Третьим шагом является сглаживание изображения для подавления яркостного шума (изначального и привнесённого усреднением), а также остаточных бликов от солнца. При этом устойчивые границы, позволяющие основному алгоритму распознавать объекты, должны оставаться нетронутыми (рис. 3).

Рис. 3. Сохранение устойчивой границы при сглаживании изображения: (А) - исходное, (В) - обработанное

По результатам исследований было выявлено, что наилучшее решение для данной задачи обеспечивается двунаправленной фильтрацией изображения. В общем виде её можно описать выражением:

? J /($)c(£x)i(/(f),/(*))</£

(A* j ""• .- , (7)

где Дх) - входное изображение;

/г(х) - выходное изображение;

х) - геометрическая близость между центром окрестности х и соседней точкой

.?(/(£), Дх)) - фотометрическое сходство между центром окрестности х и соседней точкой

На основе представленных математических описаний были разработаны соответствующие алгоритмы, результат применения которых к тестовому образу приведен на рис. 4. Сравнение наглядно показывает раскрытие динамического диапазона изображения, выравнивание перепадов и полное устранение мелкомасштабного шума вместе с большинством бликов от солнца при сохранении устойчивых границ между объектами.

Рис. 4. Оригинальное изображение (слева) и обработанное (справа)

На этом первый этап заканчивается и начинается второй - снижение ошибки во время анализа изображения. Процедуры на этом этапе также можно разбить на три шага. На первом шаге производится автоматическая настройка порога фильтрации по яркости (рис. 5), основной принцип которой базируется на выявленной в процессе исследований особой устойчивости теневых объектов.

яркость точки

Рис. 5. Поиск оптимума порога фильтрации по уровню яркости

На втором шаге производится выбор оптимального порога фильтрации по площади, основной принцип которого базируется на выявленной зависимости снижения эффективности (рис. 6) каждой следующей итерации фильтра (8) при постепенном увеличении порога разделения по площади:

Рис. 6. Количество оставшихся объектов при повышении значения порога

разделения по площади

Введем следующие обозначения:

с1 = {0.05, 0.10,...,4,}- множество значений порога разделения объектов по площади;

0 - начальное множество объектов;

С = {С1 } - множество перечней объектов из множества О, не

прошедших фильтрацию с порогом ¿4-

Соответственно оптимальный порог найден, когда новая итерация не вносит никаких изменений, т.е. выполнено условие:

си+\=сп . (8)

На третьем шаге производится устранение пустот и восстановление целостности объектов. Для всех объектов, не способных пройти процедуру фильтрации по площади, требуется проверить наличие доминирующего соседа. Если объект почти полностью окружен более большим объектом, то он является ошибочным в силу остаточных дефектов изображения и требует поглощения доминирующей областью. Если таких областей несколько, выбирается наиболее близкая по яркостной характеристике и длине границы. Введем следующие обозначения:

Т*={1:1*Д2*.-.-Л*} -множество объектов, не прошедших процедуру фильтрации по площади;

С> = ^1^2,...,Яп} - множество смежных объектов \.г\

X = {х1,х2,... ,хп} - длина общей границы для смежных объектов Ь/,

В = {ЬьЬ2,...,Ьп} - множество средних яркостей смежных объектов 17;

с - порог разделения объектов по яркости для процедуры сегментации;

1 - средняя яркость спорного сегмента;

1.00, 0.80, 0.70, 0.50 и 0.40 - выявленные в процессе исследования

градации вхождения в окружающий объект, позволяющие более гибко принимать решение о выборе доминирующего объекта.

Ассимилирующий объект предлагается выбирать следующим образом: Если > 1.00 или > 0.80 и \Ь„ -1| < с * 4), или > 0.70 и \Ъ„ -1| < с * 3),

¿11 х ¿и 1 х ¿и± х

или ф- > 0.50 и |й„-1|<с* 2), или ф- > 0.40 и \Ь„ -1| < с), (9)

1л\ X ¿и 1 X

то гг е дп.

Ниже (рис. 7) предоставлен результат внедрения разработанного алгоритма с выводом суммарных потерь от последующей процедуры фильтрации по площади.

Рис. 7. Результат процедуры восстановления целостности объектов

Сравнительный эксперимент показывает, что без процедуры восстановления целостности объектов теряется 12% потенциально полезной информации на выходе. Это наглядно отражается при выделении одного из

обнаруженных объектов (рис. 7). У него потеряна нижняя правая часть, границы изрезаны, а тело содержит множество пустот из-за бликов или остаточных дефектов изображения. В результате воздействия процедуры восстановления целостности объектов контуры становятся более полными, а все внутренние пустоты подавляются родительским сегментом. За пределами обработки остаются лишь 2,28% информации, установить принадлежность которых не представляется возможным (соседство по границе меньше 40%, или разница по средней яркости слишком существенна). Итого процедура дает около 10%-ный прирост в точности результатов.

Также в процессе исследований было выявлено, что отклонениями видимой площади объекта (рис. 8), связанными с разным углом наклона поверхности массива, геометрическими законами и получаемой проекцией, можно пренебречь, т.к. эти же искажения воздействуют и на мерную ленту, опускаемую рядом. Лента имеет фиксированные по высоте черно-белые штрихи, которые позволяют установить правильный масштаб вне зависимости от угла наклона массива и избежать ошибки в оценке видимой площади.

Главы 5 и 6 посвящены разработке алгоритмов ко всем представленным процедурам (рис. 9) и проверке достоверности результатов с помощью

Рис. 8. Метрическая лента и субъективность восприятия

реализованного на их основе пакета прикладных программ (111111 «Отдельности 2.0») (рис. 10).

Начало

Ввод изображения и масштаба

7

Процедура нормализации изображения

Процедура усреденения изображения

Процедура , сглаживания изображения

Процедура сегментации

Процедура восстановления целостности объектов

Процедура фильтрации по яркости

Процедура фильтрации по площади

Процедура оценки трещиноватости по грансоставу

Вывод результатов

Конец

Рис. 9. Общая блок-схема анализа фотопланограммы

Рис. 10. Экранные формы разработанного пакета прикладных программ

В качестве контрольного примера задействован ранее использованный тестовый образец (рис. 4). Результаты обработки человеком и программой сведены в гистограмму на рис. 11:

ю

ta т-1

и

к Ручная обработка ППП "отдгт.мости v?.0"

% р и

II

1 I

12 3-1

6 7 £ 9 10 11 12 13 14 Iе' Na объекта

Рис. 11. Гистограмма результатов

Размах вариации ошибки:

Я = Хтах - Xmin = 0,9 - 0,01 = 0,89 % . Средняя величина ошибки: ZiXn ОД + 0,5 + 0,04+ ■••+0,2 + 0,3 + 0,08

х =

п 17

Дисперсия ошибки:

р _ Hl(хп ~ _ п

(ОД - 0,253)2 + (0,5 - 0,253)2 + ■•■ + (ОД - 0,253)2

—-----—-----—--—— = 0,080 % .

17

(10)

= 0,253 %. (11)

Среднеквадратическое отклонение ошибки:

д = VI) = 70,080 = 0,281 % . (13)

Как показывает весьма малое значение среднеквадратичного отклонения (менее 0.3%), все значения множества сконцентрированы вокруг среднего значения (0.25%), что наглядно отражают почти равные по высоте значения площадей на построенной из полученной выборки гистограмме результатов (рис. 11).

Относительно крупный размах вариации (0.89%) обусловлен 4-м объектом. Этот объект на 1/3 погружен в глубокую тень, выявить границы в которой может лишь человек, т.к. разработанные алгоритмы действуют на все изображение в целом, а человек способен обработать одну-две области в индивидуальном порядке. В остальном между ручной обработкой и обработкой ППП «Отдельности 2.0» сохраняется устойчивый паритет.

Без применения разработанных алгоритмов в лучшем случае общая ошибка превышает 10%, а в худшем - полное сравнение с ручной обработкой затруднительно в силу несовпадения выборок (некоторые объекты отсутствуют, а некоторые разбиваются на две и более частей). Время обработки программой около 2-3 секунд. Время ручной обработки занимает от 15 минут, причем во время работы часто встречаются спорные ситуации (на примере 4-го объекта), принимать решение по которым без предобработки затруднительно. С такими временными затратами и общей утомительностью процесса (при ручной обработке) говорить об оперативности получения результатов невозможно. А без дополнительных алгоритмов, разработанных в ходе исследования, доверие к выходным данным стояло под вопросом. Теперь же фотопланиметрический метод позволяет получать гранулометрический состав и связанную с ним удельную блочность и трещиноватость массива за считанные секунды с 99%-ной точностью, что существенно характеризует практическую значимость результатов исследования.

Заключение

В диссертационной работе содержится теоретическое и практическое решение актуальной научно-технической задачи снижения трудоемкости, повышения точности и скорости бесконтактного анализа основных физико-механических свойств массива горных пород. Основные научные выводы и практические результаты выполненных исследований заключаются в следующем:

1. Определены наиболее важные физико-механические свойства горных пород для расчета паспорта БВР;

2. Разработаны математические модели и алгоритмы обработки информации для анализа изображения массива горных пород, использующие методы теории распознавания образов;

3. Определен комплекс факторов, влияющий на точность анализа изображения:

a. Некорректное яркостное распределение, приводящее к потере полезной информации;

b. Наличие естественных бликов, приводящих к потере целостности восприятия объекта;

c. «Протечки» процедуры сегментации или чрезмерно мелкая генерация для глобально установленного порога;

с1. Потеря составляющих единых объектов при наличии в них неучтенных областей во время процедуры фильтрации по площади.

4. Разработан комплекс мер и сформулированы математические выражения, позволяющие снизить потери полезных данных и неопределенность выбора важных критериев при анализе ф отопл анограммы:

a. Нормализация изображения;

b. Усреднение изображения;

21

c. Сглаживание изображения;

d. Выбор наиболее оптимальных порогов для наиболее точного анализа изображения;

e. Восстановление целостности объектов.

5. Разработан пакет прикладных программ (ППП) «Отдельности 2.0», реализующий разработанные модели и алгоритмы, позволяющий производить оперативную бесконтактную оценку гранулометрического состава, удельной блочности и трещиноватости с конечной ошибкой менее 1%;

6. Используемый язык и среда разработки (Java) позволяют функционировать разработанному ППП на любой доступной операционной системе

Основные положения диссертации опубликованы в следующих работах:

1. Иванов JI.B., Горбонос М.Г., Белопушкин В.И. Исследование алгоритмов сегментации изображения для автоматизированной оценки состояния взрываемого массива карьера. // Горный информационно-аналитический бюллетень (научно-технический журнал). - 2010. — ОВ №5(38).-Стр. 112-120;

2. Иванов JI.B., Коньшин Б.Ф. Методы и алгоритмы автоматизации бесконтактного анализа состояния массива горных пород // Горный информационно-аналитический бюллетень (научно-технический журнал), отдельные статьи (специальный выпуск). - 2013. - №2. - Стр. 9-16;

3. Иванов Л.В., Коньшин Б.Ф. Методика подготовки фотопланограммы для улучшения качества бесконтактного анализа состояния массива горных пород // Периодическое издание «Научный вестник МГГУ. -2013.-№5.-Стр. 33-39;

4. Иванов Л.В. Оценка потерь полезной информации при автоматизированном бесконтактном анализе состояния массива горных

22

пород // Горный информационно-аналитический бюллетень (научно-технический журнал). - 2013. - отдельные статьи (специальный выпуск) - №2. - Стр. 3-8;

5. Иванов Л.В. Методика повышения точности бесконтактного анализа состояния массива горных пород // Периодическое издание «Научный вестник МГГУ». -2013. -№6 (39). - Стр. 14-17.

г

Подписано в печать -/Я. -/3 ?, Формат 60x90/16

Объем 1 п.л. Тираж 100 экз. Заказ № /х^Й7

ОИУП ФГБОУ ВПО "Московский государственный горный университет" Москва, Ленинский проспект, д.6

МОСКОВСКИМ ГОСУДАРСТВЕННЫЙ ГОРНЫЙ УНИВЕРСИТЕТ

На правах рукописи

04201365352

ИВАНОВ ЛЕВ ВИКТОРОВИЧ

МОДЕЛИ И АЛГОРИТМЫ ОБРАБОТКИ ИНФОРМАЦИИ ДЛЯ АНАЛИЗА ИЗОБРАЖЕНИЯ МАССИВА ГОРНЫХ ПОРОД ПРИ ВЕДЕНИИ БУРОВЗРЫВНЫХ РАБОТ

Специальность 05.13.01 - «Системный анализ, управление и обработка

информации (промышленность)»

ДИССЕРТАЦИЯ

на соискание ученой степени кандидата технических наук

Научный руководитель -кандидат технических наук, доцент КОНЬШИН БОРИС ФЕДОРОВИЧ

Москва, 2013 г.

ОГЛАВЛЕНИЕ

ВВЕДЕНИЕ.................................................................................................................5

1. ТЕХНОЛОГИЧЕСКИЙ ПРОЦЕСС БВР КАК ОБЪЕКТ АВТОМАТИЗИРОВАННОГО УПРАВЛЕНИЯ...................................................10

1.1 Метод определения степени трещиноватости горного массива по процентному содержанию крупных отдельностей..........................................20

1.2 Актуальные инструменты бесконтактной оценки трещиноватости массива горных пород.........................................................................................24

1.3 выводы по главе 1.....................................................................................26

2 ТЕОРИЯ РАСПОЗНОВАНИЯ ОБРАЗОВ ПРИМИНИТЕЛЬНО К АНАЛИЗУ ИЗОБРАЖЕНИЯ МАССИВА ГОРНЫХ ПОРОД...........................27

2.1 Принципиальная модель обработки информации для анализа

изображения массива горных пород..................................................................29

2.2 Проблема сепарабельности объектов.....................................................30

2.3 Выбор метода сегментации изображения..............................................32

2.4 Математические модели обработки информации для анализа изображения массива горных пород..................................................................36

2.4.1 Математическая модель сегментации....................................................36

2.4.2 Математическая модель фильтрации объектов по уровню яркости ....37

2.4.3 Математическая модель фильтрации объектов по площади................38

2.5 Анализ влияния дефектов изображения на уровень ошибки в результате обработки............................................................................................39

2.6 Анализ влияния порога по яркости на уровень ошибки модели сегментации..........................................................................................................42

2.7 Анализ влияния порога фильтрации по площади на уровень потерь полезной информации..........................................................................................45

2.8 Анализ влияния уклона массива на видимую площадь изображения

47

2.9 Выводы по главе 2.....................................................................................50

3 УМЕНЬШЕНИЕ ОШИБКИ ВО ВХОДНЫХ ДАННЫХ............................51

3.1 Нормализация яркости изображения.....................................................51

3.2 Усреднение яркости изображения...........................................................54

3.3 Сглаживание изображения......................................................................55

3.4 Выводы по главе 3.....................................................................................59

4 УМЕНЬШЕНИЕ ОШИБКИ ПРИ ОБРАБОТКЕ ДАННЫХ......................60

4.1 Устранение пустот и восстановление целостности объектов...........60

4.2 Автоматический выбор порога фильтрации по уровню яркости........62

4.3 Выводы по главе 4.....................................................................................63

5 АЛГОРИТМ АНАЛИЗА ИЗОБРАЖЕНИЯ МАССИВА ГОРНЫХ ПОРОД.......................................................................................................................65

5.1 Алгоритм процедуры нормализации изображения...............................67

5.2 Алгоритм процедуры усреднения изображения....................................69

5.3 Алгоритм процедуры сглаживания изображения.................................71

5.4 Алгоритм процедуры сегментации изображения..................................74

5.5 Алгоритм процедуры восстановления целостности объектов..........78

5.6 Алгоритм процедуры фильтрации по уровню яркости.........................81

5.7 Алгоритм процедуры фильтрации по площади.....................................83

5.8 Алгоритм процедуры оценки трещиноватости массива горных пород по гранулометрическому составу.....................................................................85

6 ОЦЕНКА ДОСТОВЕРНОСТИ РЕЗУЛЬТАТОВ.........................................87

6.1 Информационное обеспечение задачи...................................................87

6.2 Програмное обеспечение задачи.............................................................88

6.3 Техническое обеспечение задачи...........................................................89

6.4 Инструкция пользователя........................................................................90

3

6.5 Апробация результатов............................................................................94

6.6 Выводы по главе 6.....................................................................................98

ЗАКЛЮЧЕНИЕ........................................................................................................99

СПИСОК ЛИТЕРАТУРЫ.....................................................................................101

ВВЕДЕНИЕ

Добыча полезных ископаемых неразрывно связана с необходимостью выработки больших объёмов крепких скальных горных пород, выемка и перемещение которых требуют предварительной буровзрывной подготовки (дробления и рыхления), осуществляемой, как правило, скважинными либо шпуровыми зарядами взрывчатых веществ в условиях уступной отбойки. При этом проблему качества дробления горных пород взрывом принято решать накоплением статистических данных по взрываемому массиву, что не позволяет оперативно получить оптимальный результат на новом месте в процессе расширения карьера. Большие годовые объёмы (более 300 млн. тонн в год) открытых горных работ, а также существенное влияние качества взорванной горной массы на производительность последующих выемочно-погрузочных работ, транспортировку и механическое дробление, определяют необходимость постановки научных исследований, направленных на повышение качества паспорта буровзрывных работ (БВР). Современные информационные технологии [1] позволяют во многом упростить расчет самого паспорта БВР [2], но вопросы оперативной оценки физико-механических свойств массива горных пород, влияющих на его составление, остаются нерешенными. В силу сложности или временных затрат традиционные способы оценки трещиноватости массива горных пород не могут использоваться для оперативного принятия решений. С проблемой трудоемкости и длительности обработки при использовании бесконтактного фотопланиметрического метода помогает бороться автоматизация процесса. Но существующие решения довольно ограничены в своем применении, а их результаты далеки от реальных показателей в силу того, что используемые в них методы и алгоритмы не задействуют весь потенциал современных технологий. Для увеличения доверия к подобным разработкам была поставлена и решена научно-техническая задача анализа изображений массива горных пород,

точность результатов которой допускает их использование в качестве оперативного средства поддержки принятия решений при ведении БВР.

Цель научного исследования заключается в повышении качества разработки паспорта БВР путем увеличения точности оперативной оценки основополагающих физико-механических свойств разрушаемых горных пород, отобранных на основе анализа взаимосвязей технологических параметров БВР на карьере.

Идея работы заключается в анализе факторов, приводящих к накоплению ошибок при оперативной бесконтактной оценке основных физико-механических свойств массива горных пород и их устранению с помощью разработки метода и алгоритмов обработки и анализа фотопланограммы.

Для достижения поставленной цели в работе решаются следующие задачи:

1. Анализ физико-механических свойств горных пород и их взаимосвязей при расчете паспорта БВР, влияющих на качество разрушения горных пород взрывом;

2. Анализ существующих методов оценки трещиноватости и гранулометрического состава массива горных пород;

3. Разработка модели и алгоритмов обработки информации для анализа изображения массива горных пород на основе теории распознавания образов;

4. Выявление комплекса факторов (нечеткость деталей и различные дефекты изображения, погрешности работы анализирующих алгоритмов и т.д.), обуславливающих накопление ошибок при обработке изображения массива горных пород по созданной модели;

5. Разработка метода и алгоритмов предварительной обработки изображения, использующих нормализацию, усреднение и сглаживание, снижающих степень неопределенности в исходной информации;

6. Разработка алгоритмов восстановления целостности полученных объектов и поиска оптимальных параметров для созданной модели, повышающих качество распознавания объектов на изображении;

7. Разработка пакета прикладных программ (ППП), реализующего созданную модель анализа изображения массива горных пород и её алгоритмы;

8. Оценка надежности разработанной модели и её алгоритмов с помощью реализованного ППП.

Основные научные положения, разработанные соискателем:

1. Предложенная модель обработки информации для анализа изображений массива горных пород на основе теории распознавания образов позволяет оперативно оценивать основные физико-механические свойства массива горных пород бесконтактным способом;

2. Разработанные алгоритмы предварительной обработки и вспомогательного анализа изображений позволяют эффективно бороться с проблемой неопределенности в исходной информации;

3. Предложенные зависимости нахождения оптимальных порогов на разных этапах работы модели гарантируют высокое качество распознавания отдельностей на изображении массива горных пород.

Новизна научных исследований:

1. Разработаны модель и алгоритмы обработки информации для анализа изображений массива горных пород, основанные на методе кластерного анализа теории распознавания образов;

2. Осуществлена классификация факторов (яркостые шумы, нечеткость деталей, естественные дефекты изображения, ошибки генерации), приводящих к снижению качества распознавания объектов на изображении;

3. Разработан комплексный подход на основе алгоритмов предобработки и вспомогательного анализа изображения, повышающий распознаваемость объектов на изображении;

4. Выявлены закономерности при обработке изображения по созданной модели, позволяющие задавать оптимальные параметры для разработанных алгоритмов.

Обоснованность и достоверность научных положений, выводов и рекомендаций, сформулированных в диссертации, подтверждаются корректным использованием методов теории распознавания образов, численного анализа, а также положительными результатами экспериментального исследования.

Научная значимость диссертации состоит в развитии существующих разработок в области бесконтактной оценки основных физико-механических свойств массива горных пород, изменяющих текущее представление о сложности и трудоемкости фотопланиметрического метода.

Практическая значимость работы. Предложенные в работе модель, алгоритмы и методы реализованы в составе пакета прикладных программ (ППП «Отдельности 2.0»), ориентированного на практическое использование в заинтересованных предприятиях горнодобывающей отрасли, в учебном процессе кафедр МГГУ «Взрывное дело» для проверки точности или замены ручного способа обработки фотопланограмм и «Автоматизированные системы управления» для наглядной демонстрации возможностей теории распознавания образов.

Реализация и внедрение результатов работы. Результаты диссертационной работы используются в учебном процессе МГГУ на кафедрах «Взрывное дело» в дисциплине «Разрушение горных пород взрывом» и «Автоматизированные системы управления» в дисциплине «Информатика», а также применяются при разработке проектной документации в организации ООО «Промтехвзрыв».

Структура и объем работы. Диссертационная работа состоит из введения, шести глав, заключения и списка литературы из 78 наименований, включает 44 рисунка, 23 формулы и 6 таблиц.

Благодарности. Автор выражает глубокую благодарность за проведенные консультации и высказанные ценные замечания в ходе работы над диссертацией профессору кафедры «Взрывное дело» Горбоносу М.Г., а так же сотрудникам кафедры «Автоматизированные системы управления», принимавшим участие в оформлении текста диссертации.

1. ТЕХНОЛОГИЧЕСКИЙ ПРОЦЕСС БВР КАК ОБЪЕКТ АВТОМАТИЗИРОВАННОГО УПРАВЛЕНИЯ

При добыче твердых полезных ископаемых открытым способом широко применяется технология буровзрывных работ (БВР) как метод отделения породы от горного массива [3].

Массовый взрыв на карьере производится специальным инженерно-техническим и работам персоналом по типовому и специальному проекту. Технология выполнения массового взрыва состоит из двух стадий управления [4]:

• Подготовительная стадия выполнения массового взрыва. На этом этапе производится сбор информации о массиве, производится расчет сетки скважин и зарядов в них.

• Стадия выполнения массового взрыва. На этом этапе производится бурение скважин, закладка зарядов и непосредственно подрыв зарядов.

Технический проект массового взрыва является первоначальным документом, на основе которого обуривают блок и рассчитывают основные параметры взрыва [5]. Главным документом, дающим право на производство массового взрыва, является диспозиция [6], которая включает:

1. План фактического расположения скважин на уступе и геологические разрезы с указанием номеров скважин, высотных отметок и категорий пород по буримости и взрываемости, а также схемы взрывной сети и расстановки замедлителей;

2. Геологическую и гидрогеологическую характеристику взрываемого блока;

3. Таблицу, в которой указаны параметры и показатели взрыва;

4. Перечень мероприятий по обеспечению безопасных условий производства взрыва с указанием ответственных лиц, границ опасных зон и постов

оцепления, времени взрыва, способа и порядка подачи оповестительных сигналов, мероприятий по обнаружению и ликвидации отказов.

Диспозиция массового взрыва утверждается главным инженером предприятия. Для успешного создания паспорта БВР требуется следующая входная информация: [7]

• Высота взрываемого массива;

• Угол наклона уступа;

• Физико-механические свойства породы, из которой образован массив;

• Длина взрываемого массива;

• Ширина взрываемого массива;

• Имеющиеся в наличии буровые установки;

• Имеющиеся в наличии взрывчатые вещества (в дальнейшем ВВ). Готовый паспорт БВР включает в себя следующую выходную информацию:

• Наименование объекта;

• Диаметр скважины, м;

• Вместимость 1 м скважины, кг;

• ЛСПП м;

• Расстояние между скважинами в ряду, м;

• Расстояние между рядами скважин, м;

• Глубина перебура, м;

• Глубина скважины, м;

• Длина заряда, м;

• Длина забойки, м;

• Масса заряда в каждой скважине, кг;

• Число скважин в серии, шт;

• Объем породы, взрываемый в серии, м ;

• Общий расход ВВ на буровые работы, кг;

• Удельный расход ВВ, Кг/м .

На рис. 1 представлен уступ массива горных пород в разрезе с указанными выше параметрами паспорта БВР. При взрывании трещиноватых массивов удлиненными скважинными зарядами формируется две зоны дробления. В непосредственной близости от заряда ВВ находится так называемая «зона регулируемого дробления» («1» на рис. 1), в которой можно направлено регулировать степень дробления горных пород изменяя параметры буровзрывных работ. Границы этой зоны зависят от предела прочности породы на растяжение [8].

Рис. 1. Иллюстрация параметров паспорта БВР. 1-зона регулируемого дробления, 2 - не регулируемого. I* - радиус зоны регулируемого дробления

Вне зоны регулируемого дробления разрушение естественных отдельностей носит вероятностный характер (за счет наличия в них дефектов, неоднородностей, за счет развития магистральных трещин [9]). Размеры кусков взорванной горной массы в данной зоне («2» на рис. 1), как правило, сохраняют размеры естественных отдельностей, слагающих массив [10].

Процесс расчета паспорта БВР можно разбить на 4 этапа:

1. На первом вычисляется диаметр скважины;

2. На втором рассчитывается расход взрывчатого вещества на 1 м3;

3. На третьем рассчитывается расстояние между скважинами и рядами;

4. И, наконец, на последнем этапе, используя габаритные размеры уступа, считается сетка скважин.

При этом, наряду с обычными параметрами массива (длинна ширина, высота и т.д.) и характеристиками ВВ в процессе расчета паспорта БВР используются различные физико - механические свойства горных пород. Определения некоторых из них [11] представлены ниже:

Отдельность - монолитная часть массива горной породы, ограниченная трещинами.

Трещиноватость - свойство горных пород, нарушенность монолитности породы трещинами; этим термином также называется совокупность трещин в породном массиве.

Блочность - показатель размера блоков горной породы, разделенных трещинами.

Плотность - масса единицы ее объема в естественном состоянии со всеми содержащимися в ее порах жидкостями и газами.

Крепость - величина, приближенно характеризующая относительную сопротивляемость породы разрушению при добыче.

Разрыхляемость - свойство горной породы занимать в разрыхленном состоянии больший объем по сравнению с тем, который она занимала в массиве

Предел прочности на растяжение - напряжение, при котором образец породы разрушается.

Сцепление - показатель паспорта прочности, равный пределу прочности горной породы при срезе в условиях отсутствия нормальных напряжени