基于手机图像处理的煤炭GSI 检测系统设计与实现

王泰华，董 征，刘加奇，郭红玉

（1.河南理工大学 电气工程与自动化学院，河南 焦作 454000；2 河南理工大学 能源科学与工程学院，河南 焦作 454000）

0 引 言

地质强度因子（GSI）是由Hoek、Brown 在1995年提出的一种量化岩体强度的指标，可以有效地反映岩体的稳定性［1-3］。 地质强度因子量化范围为0～100，值越大表明岩体越稳定、强度越高。 为方便研究煤炭岩体构造，一些工程技术人员将地质强度因子（GSI）引入煤体结构参数中，将煤炭根据GSI分为原生结构煤、碎裂煤、碎粒煤与糜棱煤4 大种类［4］，为煤矿开采、瓦斯抽取等煤炭工程提供1 个重要的数据指标，通过煤炭地质强度因子GSI 来判定煤炭的稳定性，以此确定煤矿开采与瓦斯抽取等工程的可行性［5］。

随着智能手机的普及，越来越多的用户参与到Android 手机的体验之中。 Android 手机强大的功能使得其应用于各个方面并取得了良好的效果。 对于工业工程领域，Android 手机相比于PC 机具有成本低、易操作、便捷性强、不依赖环境等显著优势，且使用人群基数大，更新换代快，因此在未来工业控制领域会有更加广阔的应用前景。

传统的煤炭地质强度因子检测方法需要人工对照煤炭地质强度因子分类表来取值，操作繁琐且费时费力，取值全靠研究人员主观经验，没有统一量化标准。 在此背景下，提出了1 种基于Android 手机平台的煤炭地质强度因子（GSI）检测系统，根据煤炭裂隙来判定煤炭地质强度因子，煤炭裂隙越多GSI 越低，煤炭裂隙越少GSI 越高。 通过手机相机获取煤炭图片后进行一系列图像处理技术，依据分形维数算出地质强度因子（GSI）并及时显示出来。 经研究发现，基于手机图像处理获取的煤炭地质强度因子（GSI）相较于传统煤炭地质强度因子检测方法更加便捷快速高效，有很强的创新性和应用价值［6-7］。

1 岩体参数GSI 估算方法

1.1 Hoek-Brown 强度准则

Hoek 和Brown 通过对大量岩石数据分析，得出了岩体强度与极限主应力之间的关系，被称为Hoek-Brown 准则，其表达式为

式中：σ1、σ3分别为岩体最大主应力、最小主应力；σc为岩体抗压强度；mb、s、α 为岩体的Hoek-Brown常量［9-10］。

1.2 基于GSI 的岩体参数估算方法

为了估算Hoek-Brown 准则的mb、s、α 三个常量，建立了地质强度因子（GSI）作为一种新的岩体参数来对岩体结构进行描述，其表达式为

式中：IGS为地质强度因子（GIS）的值；D 为岩体扰动因子，D ∈（0，1） ，无扰动取值为0，半扰动取值为0.5，全扰动取值为1；mi为岩体霍克布朗常数，可以通过查表获得［10-11］。

岩体弹性模量Em的表达式为

1.3 基于GSI 的煤体结构表征

为了更好的研究煤炭结构，一些学者将Hoek-Brown 准则引入煤体结构参数中，通过对地质强度因子（GSI）的估算以及煤体裂隙情况，将原生结构煤、碎裂煤、碎粒煤、糜棱煤等4 大类煤体根据裂隙与风化程度定量表示GSI 见表1［12］。

表1 煤体结构量化的地质强度因子Table 1 Gedogical intensity factor of coal structure quantification

2 煤炭图像处理

通过手机拍照或者相册选取得到煤炭图片，根据Hoek-Brown 准则，一般都是采用对比估算的原则来得到地质强度因子（GSI）值，但是这种方法耗时长，而且个人主观判断因素对结果影响较大，因此探究1 个图像处理算法能简单快速检测地质强度因子（GSI）的值是很有必要的。 图像处理算法主要是提取煤炭裂隙然后经过网格占比得出煤炭地质强度因子（GSI）。

2.1 图像获取

为方便观测，现将试验用到的所有煤样进行处理，使用环状钻头取心工具取出半径为50 mm、高度为200 mm 的圆柱体煤样。 将制成的煤心样本放于试验台，手机采集图像时角度垂直于煤心样本横截面，将煤心裂隙清晰显现。

2.2 裂隙检测

根据煤炭地质强度分类表，原生结构煤强度最高最稳定、裂隙最少，地质强度因子值IGS为60 ～90之间；碎裂煤裂隙稍多，地质强度因子值IGS为40 ～60；碎粒煤裂隙较多，地质强度因子值IGS为20 ～40；糜棱煤最不稳定、裂隙最多，地质强度因子为10 ～20。 因此得出结论，煤炭地质强度因子值IGS会随着煤炭裂隙增多而降低，具有线性相关性。

图形边缘检测就是将图形的基本特征提取出来［13-14］，如图1 所示，通过图形边缘检测可以将煤炭的裂隙提取出来，然后将煤炭裂隙图进行分析计算就可以得到煤炭地质强度因子值。 图形边缘检测在Android 开发中主要是通过调用OpenCV 机器视觉库来实现，OpenCV 常用于图像分割、图像边缘检测与图像识别等图像处理领域，因为开源免费的特性得到很大的应用。 煤炭裂隙提取采用Candy 边缘检测方法，此算法具有边缘细致平滑、抗噪声强等特点。

图1 分形维数理论Fig.1 Fractal dimension theory

2.3 分形维数

分形维数来自于分形几何学，通过将不规则几何图形分成数个部分，对每个部分单独研究，进而得到不规则图形的几何性质［15-17］。 分形几何学是1种新兴的理论，在数学和工业领域都具有相当高的研究价值。 网格法是分形维数的1 种重要研究方法，通过网格占比将煤炭裂隙复杂程度定量表示。

从图1 所知，用8×8 的网格将得到的煤炭裂隙图分为64 份，对每个网格进行分析，计算有裂隙经过的网格的数量为X，无裂隙经过的网格数量为Y。煤炭地质强度因子值IGS表达式为

地质强度因子（GSI）值IGS越高，表明煤炭裂隙越少、越稳定；地质强度因子（GSI）值IGS越低，表明煤炭裂隙越多，越不稳定。 同理可将图片分为10×10、16×16 等不同规格的网格依次处理，计算无裂隙经过的网格占比，来计算不同规格网格下的煤炭地质强度因子GSI 的测试值［18］。

3 手机软件设计

3.1 系统硬件平台

基于手机图像处理的煤炭GSI 检测系统测试阶段硬件手机设备采用的是的红米note 5 安卓智能手机，Android 版本为7.1.2，手机处理器为美国高通骁龙435；手机后置摄像头为1 300 万像素，拍照清晰，价格低廉，操作流畅。 检测系统APP 适用于市场上流通的大部分安卓智能手机，适配性强、适用范围广。

3.2 手机软件界面

使用Android Studio 编程软件进行编译，打包生成APP 取名为“探矿小助手”，应用Java 语言和OpenCV 计算机视觉库进行图像处理计算。 登录界面如图2a 所示，用户注册的账号密码以及拍照图片与检测数据结果储存于Android 数据库SQLite 中以供以后使用，SQLite 数据库体积轻巧功能强大，为系统数据处理提供了强大的支持。 登录系统设置了短信验证功能，选择了Mob 平台提供的开源的免费的短信验证模块SMSSDK，将该模块引入APP 后可以成功实现短信验证服务。 在登录界面输入账号密码，经过短信验证之后，即可通过点击“开始”按钮进入主界面进行下一步的操作。

主界面如图2b 所示，主要分为3 个部分。 上部为图片获取单元，图片获取单元有2 种方法获得图片：①种是通过“点击拍照”按钮启用安卓intent 隐式调用手机相机获取煤炭图片，②是通过点击“从相册选取”按钮从手机相册来获取存储的煤炭图片。 通过以上2 种方法获得的图片以bitmap 形式显示于中央显示单元。 下部为图像处理单元，通过Android 系统引入OpenCV 视觉处理库来进行图像数据处理，点击“灰度化”按钮可以将煤炭图片进行灰度处理，然后点击“数值分析”经过一系列图像处理算法计算之后，得到煤炭地质强度因子（GSI）值并显示在图片下方。

图2 移动端界面Fig.2 Mobile interface

3.3 OpenCV 视觉库

OpenCV 是1 个开源的跨平台视觉库，可以运行在Android 操作系统上，手机摄像头获取到煤炭图片后，通过调用OpenCV 计算机视觉库实现图像处理过程。 首先，对获得的煤心图片进行灰度化处理。 为了降低图像噪声，利用OpenCV 提供的高斯滤波函数进行高斯模糊，并且可以更准确的计算图像梯度与边缘幅值。 计算公式为

式中：x，y 为图像中某点像素的横纵坐标；Gx、Gy分别为像素点x、y 方向梯度；S 为像素点的卷积模板。

然后根据x、y 方向的梯度可以计算出该像素点的梯度幅值与角度，计算公式为

式中：G、θ 分别为像素点梯度幅值及角度。

得到高斯滤波图像之后，为了更好实现煤炭图像裂隙边缘细化，需要调用OpenCV 函数进行非最大信号压制。 通过对比中心点的像素来确定边缘像素的去留，从而实现煤炭裂隙边缘细化。 最终调用OpenCV 二值化算法将煤炭裂隙图完整显示，如图3所示。

将裂隙图像用网格法分为若干等分，利用OpenCV 图像处理算法遍历煤炭裂隙图像所有像素，将有裂隙经过的网格标记，统计裂隙网格占比，即可得到煤炭GSI 数值。 系统流程图如图4 所示。

图3 OpenCV 裂隙检测Fig.3 OpenCV crack detection

图4 系统流程Fig.4 System flow chart

4 试验方法

以焦作煤业集团九里山矿煤为试验样本，选取原生结构煤、碎裂煤、碎粒煤、糜棱煤共20 组煤样进行观测。 根据测量要求，将20 粒煤样制成半径50 mm×高200 mm 的圆柱体煤心，如图5 所示。

图5 煤心样本Fig.5 Cataclastic Coal Samples

通过Hoek-Brown 准则提出的地质强度因子GSI 估算表来估算样本的GSI 实际值。 由3 位专业工程技术人员来估算这20 类样本的GSI 实际值并求取均值，这样可以减小因个人主观经验而造成的估算误差，实际值结果见表2。

表2 GSI 实际值估算Table 2 Estimation actual value of GSI

在安卓手机编程时，分别选用规格为5×5、10×10、25×25 的网格对煤炭样本进行拍照计算煤炭地质强度因子GSI 值来确定最接近真实值的网格规格。 根据结果显示：10×10 规格的网格计算的GSI值较接近于真实值，因此本Android 系统选用的计算网格为10×10 规格。

以原生结构煤、碎裂煤、碎粒煤、糜棱煤依次作为试验对象，用安卓智能手机对试验对象拍照获取样本照片，将煤炭图片进行灰度化、二值化、图形边缘检测等技术将煤炭裂隙图提取出来，再进行分形维数算法，以求得到煤炭地质强度因子（GSI）值。打开Android 手机APP“探矿小助手”，登录之后选取样本照片进行数据处理，得到煤炭地质强度因子（GSI）数据结果并依次记录下来，将记录下来的数据与已知数据作对比，通过对比表1 结果来判断本次试验数据稳定性。

5 系统验证

将20 类煤炭样本使用专业设备制成煤心样品，并将煤心样品送往专业检测人员进行人工估算煤炭地质强度因子GSI，经人工估算后记录实际值。 打开“探矿小助手”软件，登录后点击“拍照”，将要检测的煤心样品依次拍照，要求在煤心正上方拍照且能清晰看到煤心裂隙。 拍照完成后点击“灰度化”、“数值分析”等待片刻后，即可检测到试验值并记录。 选取20 个煤炭作为试验样本，依次对煤炭进行数值分析，记录结果见表3，测试值与实际值曲线关系如图6 所示，根据测量值与实际值的曲线图可知，本系统测量的GSI 与真实值GSI 具有线性拟合关系，从采集图像到给出数值时间小于5 s。 因此可以判定本系统检测的数据具有一定的稳定性和有效性，可以快速有效地测量出煤炭地质强度因子作为煤矿开采、瓦斯抽取等的参考数据。

表3 IGS测量值与实际值的关系Table 3 Relations between measured and actual values of IGS

图6 测量值与实际值的关系Fig.6 Relationship of measured value and actual value

6 结 论

1）开发设计了1 种基于Android 手机平台的煤炭地质强度因子（GSI）检测系统，应用Java 语言与OpenCV 计算机视觉算法编译成手机APP，通过手机图像处理定量化表示煤炭地质强度因子GSI。 经过20 类样本试验，检测结果与真实值误差较小，检测时间少于5 s，大大减少人工测算的时间。

2）提出了1 种将分形维数应用于煤炭地质强度因子GSI 的检测方法。 通过手机获取煤样图片，经图像处理得到煤炭裂隙图，计算煤炭裂隙网格占比，得到煤炭地质强度因子GSI。

3）将手机图像处理系统应用于工矿检测，大幅节省人力、物力、时间与成本，操作也更加简便。 系统检测的煤炭地质强度因子（GSI）数值对煤矿开采、瓦斯抽取等煤炭工程具有参考意义，若要获得精确数值还需专业人员进行检测。

4）方法可以定量化表示煤炭GSI，但仍需改进。煤心样本获取难度较高，需要专业设备支持，可探究1 种直接对原煤进行手机图像处理检测的方案。 煤炭裂隙图像出现噪声，直接影响煤炭GSI 检测结果，仍需完善降噪处理算法。