「新锐特刊」中国矿业大学（北京）赵毅鑫教授：基于无人机红外遥感和边缘检测技术的采动地裂缝辨识(2)

目前,国内外学者使用多种方法对地裂缝进行实地监测研究,如野外调查、GPS或GNSS等卫星定位技术、合成孔径雷达干涉测量技术( In-SAR)、激光扫描技术和遥感技术等。虽然野外调查和GPS卫星定位技术精度较高,但劳动强度大,成本较高。InSAR技术易受时间失相干、空间失相干等因素的影响,当地面变形量过大时易出现相位解缠困难或相位失相关。激光扫描技术要求扫描仪与目标之间的通视,其扫描范围受地形条件限制。高精度的扫描仪价格昂贵,监测成本相对较高。卫星遥感技术通过对地面遥感影像的解译获取地裂缝的分布,但其分辨率往往不足以识别小型裂缝。
无人机遥感技术具有分辨率高、机动灵活、效率高、运行成本低等显著优势,但目前在地裂缝识别方面取得应用的多为可见光相机,易受云雾等天气因素影响,且不能全天候监测。红外线的波长大于可见光,其穿透性较可见光更强,受外部环境的影响较小。红外相机对具有明显红外热特性的物体和区域敏感,具有较好的目标探测能力。自然界一切温度高于绝对零度的物体都能发射红外辐射,且物体温度越高,其红外辐射强度往往越强。地裂缝处的空气受地底深处相对恒温且潮湿的条件影响,其温度与地表的温度之间具有明显差异,从而可被红外相机识别。BARO等使用无人机和红外热像仪对岩石边坡和悬崖上的开放型地表裂隙进行了观测,但对煤矿开采导致的地裂缝红外辨识研究仍鲜有报道。
4
摘 要
西部矿区煤层赋存条件好,开采强度高,上覆岩层破坏严重,易诱发采空塌陷和地裂缝等灾害,造成地表生态损伤,甚至诱发遗煤自燃,威胁煤矿安全生产。为快速、及时、准确地识别地裂缝,提出了基于无人机红外遥感及图像边缘检测技术的地裂缝识别方法。
以神东矿区上湾煤矿12401工作面为工程背景,对工作面上方地裂缝发育观测区域进行全天候监测,获取了不同时刻的红外图像,并对不同时刻红外图像中裂缝、沙子、植被的温度信息以及裂缝长度进行了统计和分析。
运用多种边缘检测方法及提出的改进边缘检测算法,对采集的典型红外图像进行地裂缝检测,评价了不同边缘检测方法的裂缝检测效果。对比分析了不同时刻地裂缝检测结果,给出了针对研究条件下无人机红外遥感技术识别地裂缝的最佳时间窗口。
研究结果表明:基于无人机搭载红外相机及边缘检测技术可有效识别采矿导致的地裂缝;夜间相比于白天,地裂缝更易被识别,特别是3:00~5:00,地裂缝的识别效果最佳。提出的改进边缘检测算法的Pratt品质因数(PFoM)值为0.571,检测性能优于文中其他边缘检测方法;1:00~5:00和19:00~23:00,地裂缝边缘检测结果优于其他时间,检测结果中噪声较少,裂缝边缘清晰突出;其中尤以3:00,5:00 时的地裂缝检测效果最好。