[發明專利]一種煤礦區域識別方法及系統

有效

• 申請號: 201710698775.4
• 申請日: 2017-08-15
• 公開（公告）號: CN107895136B
• 公開（公告）日: 2020-09-15
• 發明（設計）人: 肖冬;黎霸俊
• 申請（專利權）人: 東北大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/08
• 代理公司: 北京易捷勝知識產權代理事務所(普通合伙) 11613
• 代理人: 齊勝杰

本發明提供了一種煤礦區域識別方法及系統，用于識別煤礦區域，該方法包括：獲取目標區域的遙感圖像數據及目標區域中煤的實測光譜數據；通過對實測光譜數據進行篩選，獲取實測光譜數據中與遙感圖像數據所處波段一致的光譜數據，作為樣本光譜數據，樣本光譜數據包括訓練數據和測試數據；利用包含煤和非煤光譜數據的網絡訓練集，采用預設的極限學習機對訓練數據進行訓練，獲取針對訓練數據分類識別率最優的最優ELM特征分類模型集合；利用最優ELM特征分類模型集合對遙感圖像數據進行分類，獲取遙感圖像數據中被最優ELM特征分類模型集合分類識別為具有煤特征數據的遙感圖像數據作為目標圖像數據，目標圖像數據對應的區域為煤礦區域。

技術領域

本發明涉及煤礦檢測技術領域，尤其涉及一種煤礦區域識別方法及系統。

背景技術

煤炭作為傳統能源被廣泛應用于各個領域，隨著人口數量不斷增大，煤炭的消耗量與日俱增。因此，發現新的煤礦并對礦區內煤炭資源的合理規劃及最大化開采成為解決煤炭需求量增加的重要手段。

現有技術中對于煤礦區域的識別主要以收集資料為基礎，通過人工野外踏勘，或者實測的方式進行識別。上述方法在實踐過程中不僅耗費大量的人力物力，對于地形特征復雜的煤礦區也無法保證識別準確性。

因此，亟需一種煤礦區域識別方法及系統，能夠有效準確的識別出煤礦區域。

發明內容

(一)要解決的技術問題

本發明公開了一種煤礦區域識別方法，以解決現有技術中通過搜集資料和野外勘探等方法發現煤礦需要耗費大量人力、物力，且準確性差的問題。

本發明公開了一種煤礦區域識別系統，與上述煤礦區域識別方法配合使用。

(二)技術方案

為了達到上述目的，一方面，本發明采用以下技術方案：

一種煤礦區域識別方法，包括以下步驟：

獲取目標區域的遙感圖像數據及目標區域中煤的實測光譜數據；

通過對所述實測光譜數據進行篩選，獲取所述實測光譜數據中與所述遙感圖像數據所處波段一致的光譜數據，作為樣本光譜數據，所述樣本光譜數據包括訓練數據和測試數據；

利用包含煤和非煤光譜數據的網絡訓練集，采用預設的極限學習機對所述訓練數據進行訓練，獲取針對所述訓練數據分類識別率最優的最優ELM特征分類模型集合；

利用所述最優ELM特征分類模型集合對所述遙感圖像數據進行分類，獲取所述遙感圖像數據中被所述最優ELM特征分類模型集合分類識別為具有煤特征數據的遙感圖像數據作為目標圖像數據，所述目標圖像數據對應的區域為煤礦區域。

進一步，采用預設的極限學習機對所述訓練數據進行N輪訓練，每輪訓練中對所述訓練數據進行T次訓練，每次訓練完成后，獲得該次訓練對應的分類識別率；

每輪訓練完成后從T個所述分類識別率中選取最高的分類識別率作為最優分類識別率，將所述最優分類識別率對應的分類模型作為最優分類模型；

N輪訓練完成后，將N個最優分類模型組成一個集合，作為所述最優ELM特征分類模型集合。

進一步，所述預設的極限學習機中的輸入層和隱含層之間的激勵函數為Ln函數；

所述Ln函數的公式為：

其中，y＝a_ix+b_i；

其中，x—輸入數據；

a_i—第i個神經元輸入權值；

b_i—第i個神經元偏差值。