【技术实现步骤摘要】
本申请涉及图像处理，尤其涉及一种基于图像处理的矿山生态环境监测方法及系统。
技术介绍
1、在矿山开采的过程中，会对矿山的生态环境造成一定影响，随着绿色发展理念不断深入人心，在矿山开采的过程中如何对矿山生态环境进行实时监测，成为矿山开采领域的重要任务。
2、目前，公开号为cn116189010a的专利申请文件公开了一种基于卫星图谱的矿山生态识别预警方法及系统，其中的方法包括：获取矿山的卫星图谱数据，进行预处理后对不同时间不同角度的卫星图谱数据整合，生成矿山卫星图谱时序序列进行特征提取，将提取的特征与矿山所在地区的气象数据进行特征匹配，获取融合特征，并对当前矿山生态环境进行评价；构建矿山生态环境预警模型，基于当前矿山生态环境的评价结果利用融合特征进行预测，输出矿山生态环境的分析预测结果；将矿山生态环境的分析预测结果与预设阈值进行比较，根据对比结果生成预警提示。
3、上述方法通过对矿山卫星图谱时序序列和气象数据进行匹配，得到融合特征，并将融合特征输入矿山生态环境预警模型，得到矿山生态环境的分析预测结果；然而，矿山开采为一个复杂且漫长的过程，且矿山地形复杂，仅依据融合特征无法准确获取矿山各位置处的生态环境监测结果，导致矿山生态环境监测结果不准确。
技术实现思路
1、为了解决矿山生态环境监测结果不准确的技术问题，本申请提供了一种基于图像处理的矿山生态环境监测方法及系统，能够准确获取矿山各位置处的生态环境监测结果。
2、本申请第一方面，提供了一种基于图像处理
3、首先，将监测矿山划分为多个监测区域，并将各监测区域的中心点作为监测点；依据开采时长和监测数据的信息熵计算各监测点的环境复杂度，环境复杂度越大，表示对应监测点生态环境监测结果的难度越大；同时，计算各监测点在多个预设尺度中的局部莫兰指数，若监测点在预设尺度中局部莫兰指数的绝对值越大，表示监测点在预设尺度内具有较强的相关性，在预设尺度内在对监测点进行生态环境监测时，邻接监测点的监测数据能提供有效的参考信息，提高监测点监测结果的准确性；进一步地，依据环境复杂度对各监测点在预设尺度下的局部莫兰指数进行加权求和，得到预设尺度的选取分值，按照选取分值从大到小的顺序选取n个预设尺度，统计所述n个预设尺度中局部莫兰指数大于指数阈值的监测点数量占比，以n为横坐标，n对应的监测点数量占比为纵坐标绘制占比曲线；确定占比曲线的拐点，将拐点对应的预设尺度作为目标尺度以构建卷积神经网络，使得卷积神经网络能够提取到各监测点目标尺度内的信息，从而确保卷积神经网络能够准确输出各监测点的监测结果。
4、优选地，监测点的环境复杂度为：
5、，为开采时长，为历史时刻的数量，为信息熵；所述开采时长为所有历史时刻中处于开采过程的时刻数量，所述信息熵为由多个历史时刻监测数据组成的时间序列的排列熵或样本熵。
6、环境复杂度能够精准量化获取对应监测点生态环境监测结果的难易程度，开采活动越频繁，表示对应监测点受人为因素的影响越大，该监测点的环境复杂度越大；信息熵越大，表示对应监测点监测数据的变化越混乱，该监测点的环境复杂度越大。
7、优选地，监测点预设尺度的局部莫兰指数为：
8、，为监测点的标准化值，为预设尺度内邻接监测点的数量，为监测点和邻接监测点的空间权重，为邻接监测点的标准化值，为所有邻接监测点的空间权重之和，所述空间权重与监测点到邻接监测点的距离呈负相关。
9、一个预设尺度的局部莫兰指数用于衡量一个监测点的监测数据与该预设尺度的局部区域内其他监测点的相关性；对于监测点而言，若预设尺度的局部莫兰指数越大，表示预设尺度内的邻接监测点与监测点之间具有较强的相关性，在对监测点进行生态环境监测时，邻接监测点的监测数据能提供有效的参考信息，也即是说，在预设尺度内获取的监测点生态环境监测结果的准确性越高，因此，通过局部莫兰指数可精准量化预设尺度内获取的监测点生态环境监测结果的准确性。
10、优选地，统计所述n个预设尺度中局部莫兰指数大于指数阈值的监测点数量占比包括：对于任意监测点，响应于所述n个预设尺度中任意预设尺度的局部莫兰指数大于指数阈值，对所述监测点进行标记；所述监测点数量占比为被标记的监测点在所有监测点中的数量占比。
11、优选地，所述卷积神经网络包括编码器和解码器，所述编码器包括多个卷积层，将所述拐点对应的预设尺度作为目标尺度以构建卷积神经网络包括：获取编码器中每个卷积层的感受野，将感受野等于目标尺度的卷积层作为目标卷积层；将各目标卷积层的输出结果作为解码器的输入以输出监测结果图，所述监测结果图包括各监测点的监测结果。
12、通过目标尺度对编码器中不同感受野的卷积层进行筛选以确定解码器的输入，使得解码器能够学习到任意监测点在目标尺度内的邻域信息，确保各监测点能够得到准确的生态环境监测结果。
13、优选地，所述解码器包括多个上采样层，将各目标卷积层的输出结果作为解码器的输入以输出监测结果图包括：响应于任意上采样层输出结果的尺寸与目标卷积层输出结果的尺寸相同，将所述目标卷积层和所述上采样层的输出结果相加后，作为下一个相邻上采样层的输入。
14、优选地，所述基于历史时刻的监测数据训练所述卷积神经网络包括：获取各监测点在历史时刻的标签信息，所述标签信息为正常或异常；将各监测点在历史时刻的监测数据输入所述卷积神经网络，输出各监测点在历史时刻的监测结果，计算所述标签信息和所述监测结果计算交叉熵损失，并利用梯度下降法更新所述卷积神经网络；迭代地更新所述卷积神经网络，直至交叉熵损失小于预设损失时，完成训练。
15、优选地，所述交叉熵损失为：
16、，包括所有监测点，为监测点在历史时刻的监测结果，为监测点在历史时刻的标签信息，表示和之间的交叉熵函数值，为监测点在目标尺度中的平均局部莫兰指数，为调节系数。
17、由于在目标尺度下各监测点的局部莫兰指数存在差异，一个监测点在目标尺度下的局部莫兰指数越大，表示该监测点与目标尺度内邻接监测点之间的相关性也越大，该监测点越容易获本文档来自技高网...
【技术保护点】
1.一种基于图像处理的矿山生态环境监测方法，其特征在于，所述监测方法包括：
2.根据权利要求1所述的一种基于图像处理的矿山生态环境监测方法，其特征在于，监测点的环境复杂度为：
3.根据权利要求1所述的一种基于图像处理的矿山生态环境监测方法，其特征在于，监测点预设尺度的局部莫兰指数为：
4.根据权利要求1所述的一种基于图像处理的矿山生态环境监测方法，其特征在于，统计所述N个预设尺度中局部莫兰指数大于指数阈值的监测点数量占比包括：
5.根据权利要求1所述的一种基于图像处理的矿山生态环境监测方法，其特征在于，所述卷积神经网络包括编码器和解码器，所述编码器包括多个卷积层，将所述拐点对应的预设尺度作为目标尺度以构建卷积神经网络包括：
6.根据权利要求5所述的一种基于图像处理的矿山生态环境监测方法，其特征在于，所述解码器包括多个上采样层，将各目标卷积层的输出结果作为解码器的输入以输出监测结果图包括：
7.根据权利要求1所述的一种基于图像处理的矿山生态环境监测方法，其特征在于，所述基于历史时刻的监测数据训练所述卷积神经网络
8.根据权利要求7所述的一种基于图像处理的矿山生态环境监测方法，其特征在于，所述交叉熵损失为：
9.一种基于图像处理的矿山生态环境监测系统，其特征在于，包括处理器和存储器，所述存储器存储有计算机程序指令，当所述计算机程序指令被所述处理器执行时实现根据权利要求1至8中任一项所述的一种基于图像处理的矿山生态环境监测方法。
...【技术特征摘要】
1.一种基于图像处理的矿山生态环境监测方法，其特征在于，所述监测方法包括：
2.根据权利要求1所述的一种基于图像处理的矿山生态环境监测方法，其特征在于，监测点的环境复杂度为：
3.根据权利要求1所述的一种基于图像处理的矿山生态环境监测方法，其特征在于，监测点预设尺度的局部莫兰指数为：
4.根据权利要求1所述的一种基于图像处理的矿山生态环境监测方法，其特征在于，统计所述n个预设尺度中局部莫兰指数大于指数阈值的监测点数量占比包括：
5.根据权利要求1所述的一种基于图像处理的矿山生态环境监测方法，其特征在于，所述卷积神经网络包括编码器和解码器，所述编码器包括多个卷积层，将所述拐点对应的预设尺度作为目标尺度以构建卷积神经网络...
【专利技术属性】
技术研发人员：曹虎生，刘晓东，郭亮亮，张东锋，高亚飞，张鹏，
申请(专利权)人：陕西省一八五煤田地质有限公司，
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。