无人机红外遥感与边缘检测：实时识别西部矿区采动地裂缝的突破

本篇论文主要探讨了在西部矿区由于煤层开采强度大导致的地质灾害问题，特别是地裂缝的识别方法。研究背景是神东矿区上湾煤矿12401工作面，该地区地表生态容易受到开采活动的严重影响，这不仅威胁到地表稳定性，还可能引发安全风险，如遗煤自燃。 为了实现快速、及时且准确的地裂缝识别，作者采用了无人机搭载红外遥感技术。通过全天候监测工作面上方的特定区域，获取了不同时段的红外图像，这些图像包含了裂缝、沙子和植被的温度信息，以及裂缝的长度数据。论文的核心部分是对多种边缘检测方法，包括传统的和作者提出的改进边缘检测算法，进行应用和比较，以评估它们在裂缝检测上的性能。 实验结果显示，基于无人机红外遥感和边缘检测，能够在夜间尤其是在凌晨3:00至5:00期间，有效地识别出地裂缝，此时的识别效果显著优于白天。提出的新边缘检测算法具有较高的Pratt品质因数（PFoM）值，达到0.571，显示出优秀的检测性能。在时间上，1:00至5:00和19:00至23:00这两个时间段，地裂缝边缘检测效果最佳，裂缝边缘清晰，噪声较少。特别是3:00和5:00时，地裂缝的检测效果最为理想。 论文的关键词涵盖了研究的关键技术，即无人机、红外图像、地裂缝、边缘检测以及裂缝识别。研究得到了国家自然科学基金等多个项目的资金支持，体现了对这一问题的重视和科研投入。这项研究为煤矿开采区的地裂缝监测提供了有效的技术手段，有助于提升地质灾害预防和安全管理的科学性。