礦山地質(zhì)雷達(dá)探測中人工智能系統(tǒng)有效應(yīng)用研究

王 杰，陳思狀

（中咨公路養(yǎng)護(hù)檢測技術(shù)有限公司，北京 100089）

1 雷達(dá)圖像模式識別技術(shù)現(xiàn)狀

得益于圖像識別技術(shù)、人工智能系統(tǒng)的快速進(jìn)步，有關(guān)于通過儀器采集數(shù)據(jù)處理結(jié)果判別以及區(qū)分已是目前行業(yè)發(fā)展的趨勢。圖像識別是以減少礦山地質(zhì)勘查人員工作量為目標(biāo)，可以對所采集的地質(zhì)數(shù)據(jù)自動(dòng)分析、判斷的智能系統(tǒng)。

圖片領(lǐng)域判斷的邏輯基礎(chǔ)是自模式領(lǐng)域到類型領(lǐng)域的轉(zhuǎn)換。圖片判斷措施大致分為三類：決策理論判斷、句法分解判斷、隸屬擇近判斷等。然而上述三類措施開發(fā)在圖片判斷亦有所長亦有所短，因此立足于大量圖片判斷行業(yè)的發(fā)展需求，大量的專家開創(chuàng)了相當(dāng)多的手段，例根據(jù)類別對應(yīng)的圖片判斷措施、根據(jù)人工智能的圖片判斷措施、根據(jù)可觀決斷的圖片判斷措施等，更存在各種手段相互聯(lián)系起來的圖片判斷措施，同時(shí)開發(fā)于工程現(xiàn)場也具備顯著的優(yōu)勢。

GPR選取發(fā)射裝置持續(xù)產(chǎn)生較強(qiáng)電磁信號到被測斷面前方，接著感應(yīng)前方異常巖體電磁折返信號，基于相異的異常巖體與較強(qiáng)電磁信號存在相異折返關(guān)系，因而自GPR數(shù)據(jù)反映上存在相異的圖型關(guān)系。因而選取圖片判斷手段，較為簡單做礦井未開挖段異常巖體研究分類工作。大量專家在GPR圖片判斷做了許多探究，提出了多種GPR圖片標(biāo)志點(diǎn)篩分以及對象判斷的新手段。對圖片弱信號做曬別，接著曬分弱信號圖片的基本結(jié)構(gòu)組成對象的標(biāo)志，通過線性分類器做曬別進(jìn)行對象判斷。

2 GPR數(shù)據(jù)前置分析

2.1 雜聲濾去、圖像兩極分割

數(shù)據(jù)結(jié)果在采集、轉(zhuǎn)移工作下存在許多雜音點(diǎn)的損壞導(dǎo)致圖像質(zhì)量變差，也存在篩分功效低的程序使結(jié)果產(chǎn)生雜音。數(shù)據(jù)結(jié)果里體現(xiàn)出，雜音導(dǎo)致開始正常以及一直蛻轉(zhuǎn)的黑色量值倏地增高以及降低，產(chǎn)生一定量失實(shí)的東西周圍以及表面。

所以，減少以及蛻去這種雜音，對提高數(shù)據(jù)效果有益。把一個(gè)存在圓錐線關(guān)系的樣板GPR圖形當(dāng)作范本，篩除特定頻率做效應(yīng)分析如圖1。

圖1 樣板2D-GPR數(shù)據(jù)前置分析

圖像兩極分割是把黑色量值數(shù)據(jù)結(jié)果以及非黑白數(shù)據(jù)結(jié)果蛻變成僅有墨值同亮值色彩度數(shù)據(jù)的解析途徑。兩極分割階段普遍先于圖片標(biāo)志點(diǎn)篩分以及對象判斷。對黑色量值圖像兩極分割最易用的手段是做整體TR分析，也就是黑色量值高于特定層的色彩度判定作1（代表亮彩），因此低于此層級的色彩度判定作0（即暗彩）。把已經(jīng)篩除特定頻率的影型設(shè)置成兩極分割前的開端影型，設(shè)臨界層級即90，因此已經(jīng)被兩極分割的數(shù)據(jù)結(jié)果。

2.2 外型分析

數(shù)據(jù)結(jié)果輪廓作為影型的極關(guān)鍵要素。數(shù)據(jù)結(jié)果輪廓即作為其邊界暗色值存在低級升蛻轉(zhuǎn)的此類數(shù)值的組成元素。輪廓普遍存在于元素集合、后基中緣，元素集合、元素集合中緣、元素與元素中緣，此也作為影型篩離所憑借的根本要素。

拿2D-GPR數(shù)據(jù)結(jié)果作討論，數(shù)據(jù)結(jié)果輪廓能夠認(rèn)為即通過各種禁止聯(lián)通范圍構(gòu)造結(jié)合，因此分辨此類禁止聯(lián)通范圍相互中的區(qū)段層表達(dá)了GPR方向關(guān)鍵含義，此類區(qū)段層在GPR數(shù)據(jù)結(jié)果中一般展示出了硬質(zhì)的間斷特點(diǎn)。把GPR數(shù)據(jù)結(jié)果做輪廓分析，即為分析此類間斷特點(diǎn)，換言之把此類音型硬質(zhì)的間斷值做篩分剔出。因?yàn)镚PR數(shù)據(jù)分析途經(jīng)的繁瑣特點(diǎn)，還有很多雜音起點(diǎn)的產(chǎn)生，數(shù)據(jù)結(jié)果分析判斷過程也會非常繁瑣。

2.3 GPR數(shù)據(jù)結(jié)果關(guān)鍵點(diǎn)篩出

數(shù)據(jù)結(jié)果判斷把相當(dāng)多音型關(guān)鍵點(diǎn)分析的，此類關(guān)鍵點(diǎn)的取舍相當(dāng)關(guān)鍵，對數(shù)據(jù)結(jié)果判斷篩分儀的規(guī)劃制作、品質(zhì)和判斷最終的恰當(dāng)點(diǎn)起作用。關(guān)鍵點(diǎn)取舍失敗，篩別不但篩得錯(cuò)誤，還有可能不能篩別。關(guān)鍵點(diǎn)的取舍是GPR數(shù)據(jù)結(jié)果分析中的重要節(jié)點(diǎn)之一。

因?yàn)镚PR數(shù)據(jù)結(jié)果存在緊跟周圍情況的更改因而導(dǎo)致更改，此把GPR數(shù)據(jù)結(jié)果關(guān)鍵點(diǎn)取舍以及篩出相當(dāng)繁瑣。把關(guān)鍵點(diǎn)的最初內(nèi)容選取相異的分析手段，能夠篩分得許多種類的關(guān)鍵點(diǎn)內(nèi)容，然而也不能把一切關(guān)鍵點(diǎn)被選取于樣板判斷，被選取于樣板判斷的關(guān)鍵點(diǎn)一定需要有此叄種特性即特異性、可分性、魯棒性。

日常把選取普遍選取壹類性質(zhì)使徹底具備前面叄類特點(diǎn)，因此把普遍選取大數(shù)量關(guān)鍵點(diǎn)的構(gòu)成作樣板判斷。發(fā)展在數(shù)據(jù)結(jié)果判斷的關(guān)鍵點(diǎn)存在大量類別，一般能歸呈后述四種：音型的外在表現(xiàn)、音型規(guī)律表現(xiàn)、轉(zhuǎn)化表現(xiàn)、理論表現(xiàn)。

關(guān)鍵點(diǎn)值的篩別手段有很多，例每一單元性質(zhì)篩別、結(jié)構(gòu)性質(zhì)篩別、立體數(shù)學(xué)性質(zhì)篩別、多值性質(zhì)篩別、曲型降級性質(zhì)篩別等。

此篇文章選取每一單元性質(zhì)篩別手段，把GPR數(shù)據(jù)結(jié)果做全體元素的分析，把暗性數(shù)值假定為元素滿，把亮性數(shù)值假定為元素空，因此把分析完成就產(chǎn)生了單值和音型內(nèi)色度值量值一樣的關(guān)鍵點(diǎn)數(shù)值集合。

3 人工智能數(shù)據(jù)結(jié)果判斷

人工智能數(shù)據(jù)判斷讓智能集合存在相當(dāng)好的適應(yīng)優(yōu)勢以及魯棒優(yōu)勢，但是模板判斷內(nèi)一般有雜音破壞還有導(dǎo)進(jìn)方法的少量破壞，智能集合此要素也成為它科學(xué)實(shí)現(xiàn)樣板判斷疑難的要點(diǎn)部分。另有，人工智能的主動(dòng)分派、主動(dòng)合宜練習(xí)重要組成，令它在某類判斷疑難表現(xiàn)了相當(dāng)好的特點(diǎn)以及發(fā)展方向。

3.1 人工智能結(jié)構(gòu)模型

GPR數(shù)據(jù)結(jié)果里兩弧形要素選取每一單元性質(zhì)篩別手段，也就是直接采取逐一元素的色度量當(dāng)做關(guān)鍵性質(zhì)。所以，導(dǎo)進(jìn)段智能節(jié)點(diǎn)的量值當(dāng)做采用演習(xí)／檢驗(yàn)界面(M×N)內(nèi)的選取要素量。暗段的單元量在數(shù)學(xué)目前不存在強(qiáng)制要求，普遍言之，暗存智能節(jié)點(diǎn)量太低時(shí)，智能集合單回訓(xùn)練階段太少，仍會由于訓(xùn)練量少使得智能集合不能儲存所有訓(xùn)練情況；暗段智能節(jié)點(diǎn)的量越大，因而BP智能集合會越無誤，演習(xí)階段也會越多，僅僅暗段智能節(jié)點(diǎn)較難篩別大量，因此可能影響智能集合內(nèi)存值大小，影響智能集合對不明導(dǎo)進(jìn)的總結(jié)屬性減退，減弱網(wǎng)絡(luò)的反雜性。采取現(xiàn)場檢驗(yàn)，普通暗存段智能節(jié)點(diǎn)的量值在10和16內(nèi)屬于正常，人工智能篩別導(dǎo)進(jìn)量值的關(guān)鍵性質(zhì)相當(dāng)簡單。導(dǎo)進(jìn)段是一個(gè)智能節(jié)點(diǎn)，假置外導(dǎo)1是存在關(guān)鍵點(diǎn)，外導(dǎo)0是不存在關(guān)鍵點(diǎn)，外導(dǎo)處在0與1內(nèi)的低值是或許存在關(guān)鍵點(diǎn)。這種外導(dǎo)和關(guān)鍵點(diǎn)有可能性內(nèi)的連接和智能集合演習(xí)可不可能到量、模板采取會不會存在特點(diǎn)、其診斷范圍的土層內(nèi)構(gòu)成與蝕孔兩弧形關(guān)鍵點(diǎn)會不會復(fù)雜等影響存在聯(lián)系。

3.2 人工智能熟悉與判斷

演習(xí)模板音型選取界面分析的手段，首橫然豎，M×N個(gè)導(dǎo)進(jìn)元素，1個(gè)外導(dǎo)元素，外導(dǎo)量位于0與1內(nèi)。模板音型區(qū)別成三類：準(zhǔn)層、錯(cuò)層以及存在于二者內(nèi)。模板音型是從現(xiàn)場采集值和兩弧形模擬值，首取兩弧形數(shù)學(xué)公式模擬相異弧值、相異演習(xí)界面點(diǎn)的準(zhǔn)層模板音型，緊接著自現(xiàn)場采集值內(nèi)采用準(zhǔn)層與錯(cuò)層的模板音型一個(gè)接一個(gè)人工智能做演習(xí)。

取演習(xí)完成的BP智能集合能夠把GPR數(shù)據(jù)結(jié)果做判斷。把GPR數(shù)據(jù)結(jié)果做先置分析，以首橫然豎，步長M×N手段判斷全部GPR數(shù)據(jù)結(jié)果，挨各做關(guān)鍵點(diǎn)篩出，導(dǎo)進(jìn)BP智能集合結(jié)構(gòu)做判斷。假如一例M×N量的分?jǐn)?shù)據(jù)篩出成兩弧形，分?jǐn)?shù)據(jù)固定；假如篩出非為兩弧形，因此會把分?jǐn)?shù)據(jù)制定無，在所有分?jǐn)?shù)據(jù)篩出結(jié)束，總結(jié)出全部篩出后的GPR數(shù)據(jù)結(jié)果。把前置分析完成的圖2-1作范本，對它做判斷。

在對數(shù)字圖像模式識別研究的基礎(chǔ)上，采用人工智能模式識別技術(shù)，探索地質(zhì)雷達(dá)探測溶洞圖像的智能識別，建立智能識別二維地質(zhì)雷達(dá)圖像中由于含水小溶洞造成雙曲線特征的人工智能模型，為識別地質(zhì)雷達(dá)圖像中的其它不良地質(zhì)體提供了一條新的途徑）。

4 結(jié)論

本文以地質(zhì)預(yù)報(bào)與輔助軟件結(jié)合的問題為主要研究對象，采用地質(zhì)工程與軟件工程相結(jié)合的思想，多學(xué)科、多角度的對礦山地質(zhì)數(shù)據(jù)采集及預(yù)報(bào)問題進(jìn)行綜合集成研究。論文取得以下主要認(rèn)識和結(jié)論：

在對數(shù)字圖像模式識別研究的基礎(chǔ)上，采用神經(jīng)網(wǎng)絡(luò)模式識別技術(shù)，探索地質(zhì)雷達(dá)探測礦山地質(zhì)圖像的智能識別，為識別圖像中的其它不良地質(zhì)體提供了一條新的途徑。