Анализ влияния освещенности на качество распознавания лазерной сетки машинным зрением
П.В. Черкасов1, 2, Я.В. Попинако1, 2, М.С. Никитенко1, 2
1 Федеральный исследовательский центр угля и углехимии Сибирского отделения Российской академии наук, г. Кемерово, Российская Федерация
2 Кузбасский государственный технический университет им. Т.Ф. Горбачева, г. Кемерово, Российская Федерация
Горная Промышленность №5 / 2024 стр.110-115
Резюме: Основной целью исследования являлся анализ качества распознавания лазерной сетки в различных диапазонах значений освещённости для применения в промышленных условиях подземных горных выработок, открытых горных работ и на производственных площадках. В частности, устанавливались зависимости влияния уровня освещённости на качество распознавания сетки световых маркеров системой машинного зрения. Объектами исследования являлись видеоизображения, а предметом – алгоритмы их обработки системой машинного зрения и значения параметра их качественного распознавания. В результате работы авторами выделены условия наиболее качественного распознавания световых маркеров в виде лазерной сетки, проецируемой на поверхность. В соответствии с разработанной методикой получен результат серии экспериментов в лабораторных условиях с различной дискретностью значений освещённости. Расчет показателя качественного распознавания при сравнении проекции сетки с шаблоном производился посредством поиска групп пикселей, наиболее схожих с указанным объектом, и выделения их с указанием соответствия в процентах. В случае недостаточности значения параметра группы пикселей применялись операции эрозии и дилатации, позволяющие изменить параметры соседствующих пикселей до значений, обеспечивающих установление геометрического соответствия. Получены результаты в виде зависимостей показателя качественного распознавания ячеек сетки световых маркеров от освещённости в лабораторных условиях. Сделан вывод об оптимальном диапазоне освещённости, при котором качество распознавания сетки световых маркеров стабильное. Полученные результаты могут применяться в промышленности, в том числе в горнодобывающей отрасли при измерении объёма объектов системой машинного зрения, дополненной лазерной сеткой световых маркеров.
Ключевые слова: машинное зрение, распознавание образов, геометрическое соответствие, световой маркер, лазерная сетка, управляемый выпуск, выпуск угля подкровельной толщи, измерение объёма
Благодарности: Работа выполнена в рамках государственного задания ФГБНУ «Федеральный исследовательский центр угля и углехимии Сибирского отделения Российской академии наук» проект FWEZ-2024-0025 «Разработка научных основ создания автономных и автоматизированных горных машин, оборудования, технических и управляющих систем на базе перспективных цифровых и роботизированных технологий» (рег. №1023033000581-6).
Для цитирования: Черкасов П.В., Попинако Я.В., Никитенко М.С. Анализ влияния освещенности на качество распознавания лазерной сетки машинным зрением. Горная промышленность. 2024;(5S):110–115. https://doi.org/10.30686/1609-9192-2024-5S-110-115
Информация о статье
Поступила в редакцию: 19.08.2024
Поступила после рецензирования: 02.10.2024
Принята к публикации: 09.10.2024
Информация об авторах
Черкасов Павел Вадимович – инженер, Федеральный исследовательский центр угля и углехимии Сибирского отделения Российской академии наук, г. Кемерово, Российская Федерация; e-mail: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.
Попинако Ярослав Владимирович – инженер, Федеральный исследовательский центр угля и углехимии Сибирского отделения Российской академии наук, г. Кемерово, Российская Федерация; https://orcid.org/0009-0007-2788-6074; e-mail: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.
Никитенко Михаил Сергеевич – кандидат технических наук, заведующий лабораторией перспективных методов управления горнотехническими системами, Федеральный исследовательский центр угля и углехимии Сибирского отделения Российской академии наук, г. Кемерово, Российская Федерация; https://orcid.org/0000-0001-8752-1332; e-mail: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.
Список литературы
1. Ali D., Frimpong S. Artificial intelligence, machine learning and process automation: existing knowledge frontier and way forward for mining sector. Artificial Intelligence Review. 2020;53:6025–6042. https://doi.org/10.1007/s10462-020-09841-6
2. Hyder Z., Siau K., Nah F. Artificial intelligence, machine learning, and autonomous technologies in mining industry. Journal of Database Management. 2019;30(2):67–79. http://doi.org/10.4018/JDM.2019040104
3. Barnewold L., Lottermoser B.G. Identification of digital technologies and digitalisation trends in the mining industry. International Journal of Mining Science and Technology. 2020;30(6):747–757. https://doi.org/10.1016/j.ijmst.2020.07.003
4. Калашников В.А., Соловьев В.И. Приложения компьютерного зрения в горнодобывающей промышленности. Прикладная информатика. 2023;18(1):4–21. https://doi.org/10.37791/2687-0649-2023-18-1-4-21 Kalashnikov V.A., Soloviev V.I. Applications of computer vision in the mining industry. Journal of Applied Informatics. 2023;18(1):4–21. (In Russ.) https://doi.org/10.37791/2687-0649-2023-18-1-4-21
5 Huang M.Q., Ninić J., Zhang Q.B. BIM, machine learning and computer vision techniques in underground construction: Current status and future perspectives. Tunnelling and Underground Space Technology. 2021;108:103677. https://doi.org/10.1016/j.tust.2020.103677
6. Nikitenko M.S., Khudonogov D.Yu., Popinako Ya.V., Kizilov S.A. Determining the route and roadway condition in front of autonomous vehicle. Proceedings of the Third International Conference on Digital Technologies, Optics, and Materials Science (DTIEE 2024). Vol. 13217. 2024, 1321713. https://doi.org/10.1117/12.3036935
7. Кизилов С.А., Баловнев Е.А., Черкасов П.В., Никитенко М.С., Худоногов Д.Ю., Попинако Я.В. Подходы к автоматизированной оценке объема и состава горной массы в процессе выпуска угля на забойный конвейер. В кн.: Системы автоматизации (в образовании, науке и производстве) AS’2022: труды Всерос. науч.-практ. конф., г. Новокузнецк, 15–16 дек. 2022 г. Новокузнецк: СибГИУ; 2022. С. 20–25.
8. Никитенко М.С., Кизилов С.А., Захаров Ю.Н., Худоногов Д.Ю., Игнатова А.Ю. Измерение производительности питателя при выпуске угля из подкровельной толщи на основе технологии машинного зрения. Горные науки и технологии. 2022;7(4):264–273. https://doi.org/10.17073/2500-0632-2022-09-22 Nikitenko M.S., Kizilov S.A., Zakharov Yu.N., Khudonogov D.Yu., Ignatova A.Yu. Measurement of feeder performance during coal discharge from an underroof seam using machine vision. Mining Science and Technology (Russia). 2022;7(4):264–273. https://doi.org/10.17073/2500-0632-2022-09-22
9. Стародубов А.Н., Зиновьев В.В., Клишин В.И., Крамаренко В.А. Применение имитационного моделирования для исследования режимов выпуска угля подкровельной толщи. В кн.: Имитационное моделирование. Теория и практика: материалы 9-й Всерос. науч.-практ. конф. по имитационному моделированию и его применению в науке и промышленности, г. Екатеринбург, 16–18 окт. 2019 г. Екатеринбург: УрГПУ; 2019. С. 540–547.
10. Клишин В.И., Клишин С.В. Состояние и направление развития технологии разработки мощных угольных пластов механизированными крепями с выпуском. Известия Тульского государственного университета. Науки о Земле. 2019;(1):162–174. Klishin V.I., Klishin S.V. Current state and direction of development of thick coal seams exavation technology by powered roof supports with controlled coal discharge. Izvestiya Tul’skogo Gosudarstvennogo Universiteta. Nauki o Zemle. 2019;(1):162– 174. (In Russ.)
11. Клишин В.И., Анферов Б.А., Кузнецова Л.В., Клишин С.В., Худынцев Е.А. Секция механизированной крепи очистного забоя с устройством регулируемого выпуска угля. Патент РФ №2021131401, 04.04.2022.
12. Клишин В.И., Худынцев Е.А. Создание механизированных комплексов с выпуском для подземной разработки мощных угольных пластов. Вестник Кузбасского государственного технического университета. 2022;(6):96–106. https://doi.org/10.26730/1999-4125-2022-6-96-106 Klishin V.I., Khudyntsev Ye.A. Desining mechanized support complexes with coal release for underground development of thick coal seams. Bulletin of the Kuzbass State Technical University. 2022;(6):96–106. https://doi.org/10.26730/1999-4125-2022-6-96-106
13. Клишин В.И., Анферов Б.А., Кузнецова Л.В. Направления совершенствования разработки мощных пластов с выпуском угля подкровельной толщи. В кн.: Инновации в топливно-энергетическом комплексе и машиностроении (ТЭК-2017): материалы Междунар. науч.-практ. конф., г. Кемерово, 18–21 апр. 2021 г. Кемерово: КузГТУ им. Т.Ф. Горбачева; 2017. С. 57–63.
14. Клишин В.И., Шундулиди И.А., Ермаков А.Ю., Соловьев А.С. Технология разработки запасов мощных пологих пластов с выпуском угля. Новосибирск: Наука; 2013. 248 с.
