基于图像处理的瓦斯抽采系统火灾隐患判识研究

摘要

近年来，高瓦斯突出矿井逐渐装备了瓦斯抽放监控系统，大大降低了事故发生率，给安全生产提供了保障。其系统的功能越来越完善，型号也越来越多。但传统的瓦斯抽放系统仍然是把重点放在监控上，对存在的安全隐患问题研究不多。
　　本文正是针对瓦斯抽采系统中的隐患问题进行研究，提出了一种基于图像处理的方法来对煤矿瓦斯抽采系统火灾安全隐患判识。首先分析了瓦斯抽采系统的安全隐患种类以及其识别方法，简单介绍了漏气和积水的隐患，重点介绍了火灾隐患的检测以及识别。同时本文以火灾隐患为主线，详细介绍了火灾产生机理。后构建系统的总体结构并介绍选用的硬件组成。文章以数字图像处理理论为基础，进行图像的预处理、图像的可疑区域分割以及提取火灾火焰的特征量。利用MATLAB软件结合神经网络的相关知识进行了火灾识别的系统仿真，给出了火灾识别的理论依据。
　　系统仿真表明，基于图像处理的火灾判识有着极大的优势。其产生的效果更直观、更迅速、更精确，并能将瓦斯抽采系统火灾隐患及时地排除。对这种技术的探究有着极其重要的意义，且有广泛的应用前景。

目录

声明

摘要

1 绪论

1．1 选题背景和研究意义

1．2 国内外研究现状

1．3 本文的主要研究内容及任务

1．3．1 研究的主要目的

1．3．2 研究的主要内容

1．3．3 本课题的主要任务

1．4 论文的结构安排

2 瓦斯抽采系统火灾隐患的介绍

2．1 井下瓦斯抽采系统火灾隐患

2．1．1 井下瓦斯抽采系统简述

2．1．2 瓦斯抽采系统安全隐患概述

2．1．3 火灾隐患识别技术的基本原理

2．2 本章小结

3 系统的总体设计

3．1 系统总体结构

3．2 系统的硬件设计

3．2．1 图像采集单元

3．2．2 DSP图像处理单元

3．2．3 传输单元

3．3 本章小结

4 图像的预处理和图像的分割

4．1 图像的预处理

4．1．1 彩色图像模型转灰度图像

4．1．2 灰度的增强变化

4．1．3 图像的去噪

4．2 图像的分割

4．2．1 动态运动目标的分割

4．2．2 静态疑似火焰图像边缘的分割

4．3 本章小结

5 疑似火焰图像的静态和动态特征提取

5．1 疑似火焰图像的静态特征提取

5．1．1 颜色特征分析

5．1．2 纹理特征分析

5．1．3 形状特征提取

5．2 疑似火焰图像的动态特征提取

5．2．1 面积变化率

5．2．2 形体相似度

5．2．3 整体移动特性

5．2．4 尖角特性

5．3 本章小结

6 基于神经网络的火灾识别

6．1 人工神经网络的简介

6．2 BP神经网络的图像火灾结构的建立和学习样本

6．2．1 神经网络的输入信号和输出信号

6．2．2 神经网络的隐层节点数

6．2．3 神经网络学习样本

6．3 火灾图像识别的BP神经网络结构设计

6．4 MATLAB仿真实验及训练结果分析

6．5 本章小结

7 论文总结及工作展望

7．1 工作总结

7．2 展望

参考文献

致谢

作者简介