基于图像识别的煤层井下宏观裂隙观测.doc

基于图像识别的煤层井下宏观裂隙观测 孙月龙 崔洪庆 关金锋 河南理工大学安全科学与工程学院 河南省瓦斯地质与瓦斯治理重点实验室—省部共建国家重点实验室培育基地 中原经济区煤层(页岩)气河南省协同创新中心 摘 要： 煤层裂隙影响煤的力学性能和渗透性, 且对于一个煤矿的安全生产具有重要意义针对现有裂隙测量方法较低效且易受自然环境条件影响的问题, 通过对煤壁裂隙拍照, 结合数字图像处理技术, 批量处理拍摄的照片, 提取图片中的裂隙参数, 得到煤壁上裂隙的倾角;然后根据采面、运输巷和回风巷之间的空间关系建立几何模型, 可以求出裂隙的产状, 为煤层裂隙系统的快速统计提供了一种新方法经过实例验证, 该方法高效准确且具有一定的实用性关键词： 煤层; 宏观裂隙; 图像识别; 几何模型; 作者简介：孙月龙 (1988—) , 男, 河南南阳人, 硕士研究生, 研究方向为瓦斯地质理论及应用.E-mail:286707909@.com收稿日期：2016-08-25基金：国家自然科学基金面上项目 (41372160) Image recognition-based observation of macro fracture in coal seam in underground mineSUN Yuelong CUI Hongqing GUAN Jinfeng School of Safety Science and Engineering, Henan Polytechnic University; Abstract： The fracture has important influence on the mechanical properties and permeability of coal, and the fracture of coal seam has a great significance to the safe production of a mine.Faced with the existing fracture measurement method, which is inefficient and susceptible to natural environmental conditions, these images taken on coal wall were processed using digital image processing technology, then the fracture parameters were extracted and the angle will be got.A geometric model is established according to the spatial relationship between the mining face, transportation lane and return air lane, can be used to calculate the fracture occurrence, then provide a new method to rapidly measure occurrence.It is proved that the method is effective and accurate, and has certain practicality.Keyword： coal seam; macro fracture; image recognition; geometric model; Received： 2016-08-25研究一个煤矿的煤层裂隙系统对于巷道支护和瓦斯抽采都有着重要意义[1-6], 研究煤层裂隙的一个重要内容就是统计各组裂隙的产状。

传统常用的测量方法, 就是借助于罗盘和皮尺等工具, 在井下逐个量取统计这种方法的原理和操作简单, 能够准确识别裂隙, 但是费力耗时, 而且易受自然环境条件的影响, 比如铁器对罗盘的影响等等现在, 借助于数字近景摄影和计算机的图像处理技术, 可以在井下提取信息后带到室内整理, 降低了现场工作量和劳动强度, 节约了费用, 具有高效、快速、信息量大等优点但是, 在识别裂隙类型的准确度上, 凭借着人类的丰富经验和判断, 人工识别显然具有很大的优势, 图像识别会有一定的错误率, 比如对于划痕、阴影等的识别, 图像识别就会作为裂隙处理, 因此还需要人工干预采煤工作面的采面、运输巷和回风巷煤壁具有一定的方位, 并呈一定的几何关系, 根据各煤壁观测到的裂隙二维图像, 能够比较准确地计算裂隙面的产状因而, 只需得到各个面上的裂隙形态参数, 就可以推导出各组裂隙面的产状平面裂隙形态参数的提取处理, 主要有接触式采集和非接触式采集[7-11]基于数码摄影技术的煤岩体裂隙测量方法, 是不同于传统测量的另一种高效的测量方法数码摄影测量方法的核心问题在于如何通过对数字裂隙图像解译, 得到有关裂隙几何展布方面的信息[12-15], 按照不同的解译路线, 众多研究者开发了不同的裂隙图像处理软件。

研究者多以实验样本为研究对象, 得到了理想的结果但是实际操作起来, 由于研究对象的不理想状态, 测量效果并不理想笔者在前人研究的基础上, 利用 MATLAB 在图像处理和 Excel 在数据处理上的优势, 大量处理各个面上的裂隙照片, 绘制玫瑰花图, 求出各组裂隙倾角等产状要素, 进而对回采工作面煤层裂隙发育规律作出总结以焦作古汉山矿为例, 通过煤壁裂隙图片处理得到的数据来研究该矿的裂隙系统, 并根据得到的结果进行了现场验证1 矿区地质条件焦作煤田位于昆仑秦岭构造带北支北缘、太行山背斜的复合部位, 即祁吕贺山字型构造前弧东翼与新华夏系第三隆起带本区经历了多次构造运动, 遂形成了目前的构造格局区内有很多断裂, 发育的主要方向有近 EW 向、NE 向和 NW向 3 组高角度正断层其中 NE 向断层最为发育, 矿区西部密度大, 多呈地垒、地堑型构造, 而在矿区东部多呈阶梯状构造, 近 EW 向断层规模大、NW 向断层数量很少, 主要发育在矿区的东北部区域地层走向为 NE—NNE, 倾向 SE, 倾角较平缓, 褶皱不太发育, 地层沿倾向和走向有轻缓的波状起伏古汉山矿井内主要为石炭–二叠纪含煤地层, 共计含煤 13 层, 其中只有二 1煤和一 1煤达到了可采厚度, 二 1煤为主要的开采煤层。

二 1煤位于山西组下部, 厚度达 1.88~7.75 m, 平均厚度为 5 m, 为黑色块状、具贝壳状断口, 节理劈理发育煤层顶板为灰色、深灰色的细–中粒砂岩, 一般厚度为 23 m 左右, 在多数情况下, 有一薄层泥岩作为煤的直接顶出现, 直接顶和顶板砂岩的关系具有相互补偿的特征2 研究方法与方案设计2.1 裂隙形态参数的提取首先在井下观察并拍摄大量照片, 选取古汉山矿 15091 工作面作为拍摄地点, 单张照片拍摄面积约为 90 cm×70 cm, 并记录拍摄地点液压支架的位置, 相机和巷道保持平行, 调好焦距, 控制曝光, 尽量挑选裂隙发育较明显的地方 (图1a) 随着工作面的推进, 隔两天拍摄一次, 得到大量的照片, 然后在地面整理这些资料图 1 P6210557 照片 Fig.1 Photo 6210557 下载原图通过图像的裂隙识别技术来实现图片处理及参数的提取图像中裂隙的识别, 一般都是根据裂隙灰度和背景灰度存在一定差值的原理, 通常是裂隙的灰度值略低于邻近区域, 这样就可以设置不同的阈值, 并定义一些裂隙的判定参数, 如将单条裂隙置于椭圆中, 通过椭圆的长轴和横轴的比例来区分, 从而分离出裂隙 (图 1b) 。

然而, 实际这样的效果并不理想, 只能够识别一些典型明显的裂隙, 误差较大在原有的基础上进行一些改进首先将清晰的照片经过灰度处理和描图, 使之达到符合 MATLAB 处理要求的照片单纯地依靠图像的自动识别, 在图像裂隙不是特别明显的情况下, 准确度较差因此人工描图结合自动化识别, 能够很好地弥补图像识别的不足这样就只要求能够识别图中描图迹线就可以识别图中的裂隙, 按照划分的角度 (图 1c) , 可以提取到角度参数 (表 1) 将每个地区的照片批量处理, 绘制该地区的玫瑰花图表 1 照片 P6210557 中裂隙的统计数据 Table 1 Fracture statistics extracted from photo 6210557 下载原表 由于本方法中的数据在 Excel 表格中生成, 因此用 Lua 程序处理 Excel 中的数据, 可以直接在 Excel 中绘制玫瑰花图 (图 2) 图 2 照片 P6210557 裂隙倾角的玫瑰花图 Fig.2 Rose diagram of the fracture angle 下载原图2.2 裂隙产状几何模型的建立我国煤层的赋存条件多样, 开采技术条件各异, 采煤工艺方法很多。

这里以单一走向长壁采煤法为例, 工作面采取倒退式回采, 煤层水平根据工作面和回风巷以及运输巷的空间关系, 建立一个简单的几何模型 (图 3) 假设这组裂隙是贯通的, 其中面 ABD 为裂隙面, 假设裂隙面是平面AD 为采面与裂隙面的交线, 代表裂隙面在采面上的二维迹线, BD 为运输巷煤壁上的裂隙迹线其中AD 和 BD 的倾角都可以统计出来, 即∠ADC 和∠BDC 已知, 工作面的方位也可以测量出来, 需要求∠ABC 和二面角 C-AB-D, 这样就可以求出走向和倾角, 倾向垂直于走向, 倾斜线在水平面上的投影的方向为倾向的方向图 3 工作面裂隙产状示意 Fig.3 Fracture occurrence in working face 下载原图(1) 求ABC, 由图 3 可知其中代入得BAC 即为工作面和走向之间的线面角, 再根据工作面的方位 , 就可以求出该裂隙面的走向, 而裂隙面的倾向在水平面上和走向上是垂直的, 并且是倾斜线在水平面上投影的方向, 就可以确定倾向2) 求二面角 C-AB-D, 过 C 作 AB 垂线 h二面角 C-AB-D 即为倾角, 在求出走向、倾向和倾角后, 就得到了该组裂隙的产状。

3 实例应用以焦作古汉山矿 15091 工作面为例, 进行裂隙的统计工作, 该工作面的走向为NE38°, 首先对采面和运输巷煤壁观测并拍摄大量照片, 然后在室内进行批处理按照这套程序处理照片, 得到各个面的倾角玫瑰花图 (图 4a、图 4b) 由绘制的玫瑰花图可以清楚地看到采面裂隙主要倾角为–22°, 运输巷煤壁裂隙主要倾角为 50°通过在井下的观测, 发现采面和运输巷煤壁上的裂隙是同一组裂隙图 4 煤壁裂隙倾角玫瑰花图 Fig.4 Rose diagram of the fracture dip in coal wall 下载原图建立模型, 将数据代入公式, 最终求得该裂隙面的走向为 NE53°, 倾向为SE37°, 倾角为 51.5°经实际人工测量, 15091 工作面的裂隙走向优势方位为 NE55°, 倾向为 SE35°, 与计算求出的走向误差仅为 3.6%, 具有较高的准确度4 结论a.将图像识别技术运用在煤层宏观裂隙的统计分析上, 能够显著提高煤层裂隙系统的统计效率b.根据运输巷、回风巷、采面和裂隙面之间的空间关系, 建立几何模型, 由各个面上的裂隙参数, 可以求出各组裂隙的产状, 结果具有较高的准确度。

c.由于井下环境复杂, 煤壁图像的背景对裂隙的识别干扰较大, 图像识别具有一定的局限性, 部分过程仍需要人工干预, 裂隙图像处理及裂隙特征提取的方法还有待改进但是, 随着人工智能识别的发展, 图像识别的井下宏观裂隙观测, 作为一种新方法在今后工作中还需进一步完善参考文献[1。