本申请涉及智能监测技术领域，其具体地公开了一种基于智能监测的矿山安全风险监测预警系统及其方法，其利用基于深度学习的人工智能技术来监测和分析由地质雷达采集的矿山地质构造雷达探测信号和由遥感卫星采集的矿山地表遥感影像，挖掘出矿山地质构造特征和矿山地表要素语义特征，并基于二者的融合特征来表征矿山地质安全性，进而智能判断矿山是否存在安全风险。这样，能够实现智能化的矿山安全风险监测，从而及早发现和预防潜在的地质灾害风险，以保障矿山的安全运营。
【技术实现步骤摘要】
本申请涉及智能监测，且更为具体地，涉及一种基于智能监测的矿山安全风险监测预警系统及其方法。
技术介绍
1、矿山是各种矿产资源的主要开采地，包括金属矿产、能源矿产以及非金属矿产。这些矿产资源是制造业、建筑业、能源产业等众多领域的重要原材料，为社会经济的发展提供了必要的物质基础。矿山作为资源开采的重要场所，存在着许多安全风险，如地质灾害、爆炸、坍塌等。因此，矿山的安全风险监测对于保障矿山安全生产具有重要意义。
2、传统的矿山安全监测方法主要依赖于定期的人工巡检，无法实现对矿山安全状态的实时和连续监测，可能导致无法及时地发现潜在危险。并且，这种监测方法通常需要人工使用传感器设备进行实地监测，采集监测数据的过程可能存在困难和危险，同时，对于监测数据的处理和分析需要耗费大量的时间和人力，存在着工作量大、效率低、监测范围有限等问题。
3、因此，期待一种基于智能监测的矿山安全风险监测预警系统及其方法。
技术实现思路
1、为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种基于智能监测的矿山安全风险监测预警系统及其方法，其利用基于深度学习的人工智能技术来监测和分析由地质雷达采集的矿山地质构造雷达探测信号和由遥感卫星采集的矿山地表遥感影像，挖掘出矿山地质构造特征和矿山地表要素语义特征，并基于二者的融合特征来表征矿山地质安全性，进而智能判断矿山是否存在安全风险。这样，能够实现智能化的矿山安全风险监测，从而及早发现和预防潜在的地质灾害风险，以保障矿山的安全运营。
<
p>2、相应地，根据本申请的一个方面，提供了一种基于智能监测的矿山安全风险监测预警系统，其包括：3、矿山地质监测模块，用于获取由地质雷达采集的矿山地质构造雷达探测信号，以及由遥感卫星采集的矿山地表遥感影像；
4、矿山地质构造特征提取模块，用于提取所述矿山地质构造雷达探测信号的时频特征以得到矿山地质构造特征向量；
5、矿山地表要素特征提取模块，用于提取所述矿山地表遥感影像的图像语义特征以得到矿山地表要素语义特征向量；
6、矿山安全风险分析模块，用于基于矿山地质构造特征向量和所述矿山地表要素语义特征向量的交互融合特征，确定矿山是否存在安全风险。
7、在上述基于智能监测的矿山安全风险监测预警系统中，所述矿山地质构造特征提取模块，包括：sift变换单元，用于计算所述矿山地质构造雷达探测信号的sift变换时频图；信号时频特征提取单元，用于将所述sift变换时频图通过基于卷积神经网络模型的雷达探测信号时频特征提取器以得到所述矿山地质构造特征向量。
8、在上述基于智能监测的矿山安全风险监测预警系统中，所述矿山地表要素特征提取模块，包括：图像降噪单元，用于对所述矿山地表遥感影像进行降噪处理以得到降噪后矿山地表遥感影像；遥感影像语义特征提取单元，用于将所述降噪后矿山地表遥感影像通过基于vit模型的遥感影像语义编码器以得到所述矿山地表要素语义特征向量。
9、在上述基于智能监测的矿山安全风险监测预警系统中，所述图像降噪单元，用于：将所述矿山地表遥感影像通过基于自动编解码器的图像降噪器以得到所述降噪后矿山地表遥感影像。
10、在上述基于智能监测的矿山安全风险监测预警系统中，所述遥感影像语义特征提取单元，包括：图像分块子单元，用于对所述降噪后矿山地表遥感影像进行图像分块处理以得到矿山地表图像块的序列；嵌入编码子单元，用于使用所述遥感影像语义编码器的嵌入层分别对所述矿山地表图像块的序列中的各个矿山地表图像块进行嵌入编码以得到矿山地表图像块嵌入向量的序列；图像语义编码子单元，用于将所述矿山地表图像块嵌入向量的序列输入所述遥感影像语义编码器的vit模型的转换器模块以得到所述矿山地表要素语义特征向量。
11、在上述基于智能监测的矿山安全风险监测预警系统中，所述矿山安全风险分析模块，包括：多维度特征融合单元，用于融合所述矿山地质构造特征向量和所述矿山地表要素语义特征向量以得到矿山地质安全表征特征向量；安全风险识别单元，用于将所述矿山地质安全表征特征向量通过分类器以得到分类结果，所述分类结果表示矿山是否存在安全风险。
12、在上述基于智能监测的矿山安全风险监测预警系统中，所述安全风险识别单元，用于：使用所述分类器以如下分类公式对所述矿山地质安全表征特征向量进行处理以得到所述分类结果；其中，所述分类公式为：
13、o＝softmax{(wn，bn)：...：(w1，b1)|x)
14、其中，w1到wn为权重矩阵，b1到bn为偏置向量，x为所述矿山地质安全表征特征向量，softmax表示归一化指数函数，o表示所述分类结果。
15、在上述基于智能监测的矿山安全风险监测预警系统中，还包括用于对所述基于卷积神经网络模型的雷达探测信号时频特征提取器、所述基于自动编解码器的图像降噪器、所述基于vit模型的遥感影像语义编码器和所述分类器进行训练的训练模块；其中，所述训练模块，包括：训练数据获取单元，用于获取由地质雷达采集的训练矿山地质构造雷达探测信号，由遥感卫星采集的训练矿山地表遥感影像，以及矿山是否存在安全风险的真实值；训练sift变换单元，用于获取计算所述训练矿山地质构造雷达探测信号的训练sift变换时频图；训练信号时频特征提取单元，用于将所述训练sift变换时频图通过所述基于卷积神经网络模型的雷达探测信号时频特征提取器以得到训练矿山地质构造特征向量；训练图像降噪单元，用于将所述训练矿山地表遥感影像通过所述基于自动编解码器的图像降噪器以得到训练降噪后矿山地表遥感影像；训练影像语义编码单元，用于将所述训练降噪后矿山地表遥感影像通过所述基于vit模型的遥感影像语义编码器以得到训练矿山地表要素语义特征向量；训练融合单元，用于融合所述训练矿山地质构造特征向量和所述训练矿山地表要素语义特征向量以得到训练矿山地质安全表征特征向量；分类损失函数值计算单元，用于将所述训练矿山地质安全表征特征向量通过分类器以生成分类损失函数值；损失补偿单元，用于计算所述训练矿山地质构造特征向量和所述训练矿山地表要素语义特征向量之间的概率密度分布单调性超凸度量系数作为补偿损失函数值；模型训练单元，用于以所述分类损失函数值和所述补偿损失函数值之间的加权和作为损失函数值，对所述基于卷积神经网络模型的雷达探测信号时频特征提取器、所述基于自动编解码器的图像降噪器、所述基于vit模型的遥感影像语义编码器和所述分类器进行训练。
16、在上述基于智能监测的矿山安全风险监测预警系统中，所述损失补偿单元，用于：以如下损失补偿公式计算所述训练矿山地质构造特征向量和所述训练矿山地表要素语义特征向量之间的概率密度分布单调性超凸度量系数作为补偿损失函数值；其中，所述损失补偿公式为：
17、
18、其中，v1表示所述训练矿山地质构造特征向量，v2表示所述训练矿山地表要素语义特征向量，||·||f表示向量的frobenius范数，表示向量减法，softma本文档来自技高网
...
【技术保护点】
1.一种基于智能监测的矿山安全风险监测预警系统，其特征在于，包括：
2.根据权利要求1所述的基于智能监测的矿山安全风险监测预警系统，其特征在于，所述矿山地质构造特征提取模块，包括：
3.根据权利要求2所述的基于智能监测的矿山安全风险监测预警系统，其特征在于，所述矿山地表要素特征提取模块，包括：
4.根据权利要求3所述的基于智能监测的矿山安全风险监测预警系统，其特征在于，所述图像降噪单元，用于：将所述矿山地表遥感影像通过基于自动编解码器的图像降噪器以得到所述降噪后矿山地表遥感影像。
5.根据权利要求4所述的基于智能监测的矿山安全风险监测预警系统，其特征在于，所述遥感影像语义特征提取单元，包括：
6.根据权利要求5所述的基于智能监测的矿山安全风险监测预警系统，其特征在于，所述矿山安全风险分析模块，包括：
7.根据权利要求6所述的基于智能监测的矿山安全风险监测预警系统，其特征在于，所述安全风险识别单元，用于：
8.根据权利要求7所述的基于智能监测的矿山安全风险监测预警系统，其特征在于，还包括用于对所述基于卷积神经网络模型的雷达探测信号时频特征提取器、所述基于自动编解码器的图像降噪器、所述基于ViT模型的遥感影像语义编码器和所述分类器进行训练的训练模块；
9.根据权利要求8所述的基于智能监测的矿山安全风险监测预警系统，其特征在于，所述损失补偿单元，用于：
10.一种基于智能监测的矿山安全风险监测预警方法，其特征在于，包括：
...
【技术特征摘要】
1.一种基于智能监测的矿山安全风险监测预警系统，其特征在于，包括：
2.根据权利要求1所述的基于智能监测的矿山安全风险监测预警系统，其特征在于，所述矿山地质构造特征提取模块，包括：
3.根据权利要求2所述的基于智能监测的矿山安全风险监测预警系统，其特征在于，所述矿山地表要素特征提取模块，包括：
4.根据权利要求3所述的基于智能监测的矿山安全风险监测预警系统，其特征在于，所述图像降噪单元，用于：将所述矿山地表遥感影像通过基于自动编解码器的图像降噪器以得到所述降噪后矿山地表遥感影像。
5.根据权利要求4所述的基于智能监测的矿山安全风险监测预警系统，其特征在于，所述遥感影像语义特征提取单元，包括：
6.根据权利...
【专利技术属性】
技术研发人员：刘志，杜娇娇，
申请(专利权)人：江苏卓维矿业科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。