技术摘要：
本发明公开了一种用于井下钻杆计数的视觉统计方法，具体为：首先，将卸钻杆视频储存并拆帧，进行归一化处理；建立二分类数据集，依据单帧图像内容划分至数据库对应类别；通过旋转、翻转、亮度增强相结合的预处理方法增加数据集数量；训练改进自适应学习率ResNet‑50网  全部
背景技术：
瓦斯作为危害我国井下生产安全的一大杀手，时刻威胁着井下工人的生命安全。 在实际生产中，通过打钻杆的方式抽采煤层中的瓦斯，对打钻数量有定量要求，从而判断瓦 斯抽采能力的充足。这使得统计钻杆数量一直是衡量钻孔抽采能力时需要考虑的问题，如 何自动统计钻杆数量，避免由于工人误报、漏报给生产安全带来的潜在危害是目前需要解 决的问题，从而降低瓦斯安全隐患，确保井下工人的生命安全，减少企业的巨大财产损失。 当前检测钻杆数量的方法主要为人为计数，在视频监控中心通过浏览井下卸钻杆 视频，从而人为统计钻杆数量，这种方法自动化水平较低，且相对成本较高；随着图像处理 的发展，图像检测钻杆数量相对成本较低且便于安装，中国专利(申请号：201310132223.9， 公开号：CN  104100256  B)公开了基于图像处理技术的煤矿井下钻孔深度测量方法，这种方 法能够在部分遮挡条件下识别钻杆前后动作，但视频检测时不能有较长时间曝光或遮挡标 志物动作，监测抗干扰性较差，有必要提出进一步改善方案。
技术实现要素：
本发明的目的是提供一种用于井下钻杆计数的视觉统计方法，解决了现有检测方 法中由于抗干扰性低造成检测精度降低的问题。 本发明所采用技术方案是，一种用于井下钻杆计数的视觉统计方法，具体按照以 下步骤实施： 步骤一、采集卸钻杆视频，将卸钻杆视频储存并拆帧，对图像进行归一化处理并储 存所有单帧图像；建立二分类数据集，依据单帧图像内容划分至数据库对应类别； 步骤二、对于数据集中两类数据数量不均衡、数据数量不足，通过旋转、翻转、亮度 增强相结合的预处理方法增加数据集数量； 步骤三、训练改进自适应学习率ResNet-50网络； 步骤四、输入卸杆视频，检测视频中每帧图像类别并输出置信度百分比，将置信度 百分比由图像时间序列储存至CSV文件； 步骤五、当所有图像经过自适应学习率ResNet-50模型后，将CSV文件中所有第二 类非卸杆结果置信度清零，运用积分法对视频输出置信度进行滤波； 步骤六、统计已滤波0、1信号的下降沿，通过下降沿计算视频中卸杆数量； 统计0、1信号下降沿，若滤波数据由1变为0，则统计数量 1，最终统计钻杆总数量。 本发明的特点还在于， 步骤1中，建立二分类数据集，第一类数据集S1为正在卸钻杆类别，第二类数据集S2 为非卸钻杆类别，通过手动将单帧图像进行分类，分类数据集设置训练数据与测试数据比 4 CN 111598042 A 说　明　书 2/6 页 例为8：2，分类数据集中图像数据量不小于2000；归一化时，将原视频拆帧批量归一化为 224*224大小的图像；将归一化图像分为正在卸钻杆类别S1与非卸钻杆类别S2，非卸钻杆时 刻图像远大于正在卸钻杆图像，需要对非钻杆时刻图像随机删除，由删除处理前两个类别 中图像数量比由S1:S2＝1:5下降至S1:S2＝1:2，减少数据集不均衡，确保数据总量不小于 2000张。 步骤2中，对正在卸钻杆数据S1通过预处理增加数据集，其中10％的卸钻杆数据进 行旋转操作，10％的卸钻杆数据进行翻转操作，20％的卸钻杆数据进行亮度增强，20％的卸 钻杆数据进行先亮度增强在旋转，20％的卸钻杆数据进行先亮度增强再翻转，20％的卸钻 杆数据进行先旋转再翻转；亮度增强采用Gamma变化，设置Gamma变换幂参数为0.5，增加的 参数为10。 步骤三中，具体为： 步骤301、提取数据集输入ResNet-50网络，ResNet-50网络结构由卷积1、卷积2、卷 积3、卷积4、卷积5、平均池化、全连接、分类器构成； ResNet-50网络结构，卷积1步长为2，卷积核大小为7*7；卷积2由3个残差块组成； 卷积3由4个残差块组成；卷积4由6个残差块组成；卷积5由3个残差块组成；平均池化的激活 函数为softmax； 残差块由三层构成，经过1*1卷积、3*3卷积、1*1卷积而输出至下一层残差块；激活 函数为Relu； 步骤302、在学习率衰减的基础上引入Logistic经验公式，在 的条件下， 满足等式-2a≈nb，得出 公式，其中n为学习总轮数；Logistic经验公式满足等 式-2a≈nb，a的取值为 n＝100-120，b＝0.042-0.2。 步骤四中，过程如下： 步骤401、从储存设备中提取需要检测时间段的卸钻杆视频； 步骤402、对需要检测视频进行降帧处理，将原视频速率下降为2帧/s速率读取视 频图像； 步骤403、单帧图像归一化为224*224大小图像，将归一化图像输入至训练完成的 自适应学习率ResNet-50模型； 步骤404、在相对图像上显示输出单帧图像的分类置信度百分比，以天为单位，基 于时间序列将置信度百分比储存至CSV文件； 图像上显示输出单帧图像的分类置信度百分比，将单帧图像检测结果在图像左上 角显示，第一类别显示为Drill  pipe 置信度百分比，第二类别为显示为No  drill  pipe 置 信度百分比，并将检测置信度结果储存至CSV文件。 步骤5中，滤波时运用公式 其中m∈N 且5(m 1)≤输入视频总帧数， 5 CN 111598042 A 说　明　书 3/6 页 f(x)为CSV文件数据，当 时，则该段5帧图像为卸杆过程，将该5帧记录为1， 当 则该5帧为非卸杆过程，记录为0。 本发明的有益效果是： (1)通过图像处理技术，通过煤矿企业原有井下监控打钻设备采集卸钻杆视频，将 卸钻杆视频储存并拆帧，对图像进行归一化处理并储存所有单帧图像；建立二分类数据集， 依据单帧图像内容划分至数据库对应类别，能够充分有效利用工矿企业原有视频资源，降 低资源成本，针对不同地域背景，建立最适用于当地的数据，具有不可替代性、不可移植性； (2)通过训练改进自适应学习率ResNet-50网络，在学习率衰减的基础上引入 Logistic经验公式，在 的条件下，满足等式-2a≈nb，得出 公式，其中 n为学习总轮数，提高原有模型准确率，更大限度提高模型训练的准确率，识别精度高、不易 受遮挡影响、使用效果好； (3)本发明方法检测精度较高，所有图像经过自适应学习率ResNet-50模型后，将 CSV文件中所有第二类非卸杆结果置信度清零，运用积分法对视频输出置信度进行滤波，运 用公式 其中m∈N 且5(m 1)≤输入视频总帧数，f(x)为CSV文件数据，当 则该段5帧图像为卸杆过程，将该5帧记录为1，当 则该5帧为非卸杆过程，记录为0，将置信度转化为0、1信号，能够有效降低模型检测带来的 误差，提高最终检测精度，同时避免了遮挡带来的检测精度下降问题。 附图说明 图1为本发明一种用于井下钻杆计数的视觉统计方法的流程图； 图2为本发明一种用于井下钻杆计数的视觉统计方法中使用网络的结构示意图； 图3为本发明一种用于井下钻杆计数的视觉统计方法中训练改进网络的方法流程 图； 图4为本发明一种用于井下钻杆计数的视觉统计方法中统计钻杆数量的方法流程 图。