Алгоритм распознавания видеофайла для оцифровки колебаний аналогового индикатора на примере кварцевого гравиметра ГНУ-КВ

В современные геологические исследования активно внедряют новейшие технологические решения для более точного и глубокого анализа данных. Одной из ключевых областей является разработка и применение передовых методов для обработки данных гравиметрии. В этом контексте стоит обратить внимание на гравиметры наземные узкодиапазонные с кварцевой чувствительной системой класса В, обозначаемые аббревиатурой ГНУ-КВ. Этот прибор использует кварцевую чувствительную систему для выявления и численного измерения низкочастотных вариаций силы тяжести. Благодаря своей высокой точности ГНУ-КВ занимает ведущие позиции в сегменте наземных гравиметров [5]. Обнаруживаемые им колебания представляют собой отклик на изменения гравитационного поля Земли, обусловленные геологическими особенностями строения земной коры, приливными процессами, вулканической деятельностью, а также процессами внутри земной коры и верхней мантии.

Изначально методика использования гравиметра ГНУ-КВ заключалась в прямом наблюдении через окуляр индикатора и регистрации единичных показателей. Современные технологические решения позволяют не только записывать данные показатели, но и проводить детализированный анализ всех регистрируемых колебаний. В частности, возможно исследование низкочастотных колебаний на частотах в диапазоне 0,05—0,5 Гц.

С учетом этих технических инноваций появилась возможность детектировать и анализировать даже минимальные флуктуации, которые ранее были недоступны для наблюдения. Методика, включающая в себя оцифровку колебаний ГНУ-КВ и применение алгоритмов распознавания видео [4], расширяет инструментарий в геологических исследованиях. Такой подход обеспечивает более детальное изучение геологической структуры и предоставляет доступ к данным, ранее недоступным для математического анализа.

Для оптимизации точности и методики сбора данных традиционный окуляр был заменен на видеокамеру. В качестве устройства был выбран цифровой микроскоп Levenhuk M35 с параметрами разрешения 640x480 и частотой кадров 30 кадров/с. Данная замена обеспечила автоматизацию регистрации данных, предназначенных для дальнейшего анализа.

Использование видеокамеры обусловлено спецификацией индикатора ГНУ-КВ, представляющего собой специальную пружину, которая теоретически имела бы нулевую длину в нерастянутом состоянии и оказывала бы нулевое усилие. Электромагнитные методы неприменимы для детекции положения индикатора из-за возможного воздействия на его динамику движения [3]. Несмотря на существование альтернативных технологий, таких как лазерные дальномеры, их стоимостные характеристики и сложность калибровки и интеграции в данный прибор ограничивают применение. В свою очередь, видеокамера, не воздействуя на индикатор, исключает искажения и обеспечивает надежную и точную регистрацию данных, что делает ее наилучшим выбором для решения поставленных задач исследования.

Оцифровка данных с гравиметра ГНУ-КВ включает следующие этапы.

1. Замена традиционного окуляра на видеокамеру на устройстве ГНУ-КВ.
2. Видеозапись с использованием штатного программного обеспечения Levenhuk.
3. Мониторинг колебаний индикатора в режиме реального времени с последующим сохранением видеофайла.
4. Обработка видеофайла с целью выделения характерных зон визуально определяемых колебаний.
5. Применение специально разработанного нами алгоритма для идентификации и анализа колебательных явлений на видеоматериале.
6. Конвертация оцифрованных данных для последующего математического анализа и геологической интерпретации.

Преобразование колебаний индикатора в видео осуществляется при частоте съемки 30 Гц. Затем видеоматериал конвертируется в цифровую форму при помощи специально разработанного нами алгоритма. Данный алгоритм, работая покадрово, регистрирует положение индикатора, детектируя его границы. После определения границ индикатора алгоритм вычисляет его центр, что и является фактическим положением индикатора. Усиливая контрастность каждого кадра, что обусловлено ярко выраженным контрастом между светлым индикатором и темным фоном, алгоритм обеспечивает высокую точность в определении положения индикатора. Данный алгоритм сочетает в себе методы машинного обучения и компьютерного зрения для анализа контраста изображения. В качестве основной модели в методах машинного обучения использовалась архитектура сети LSTM, выбранная на основе серии экспериментов. Отметим, что выбранная архитектура может быть изменена в будущем. Для детализированного мониторинга движения индикатора в ходе видеозаписи применяются методы усиления границ и пороговой обработки.

Процедура обработки состоит из этапов сглаживания, шумоподавления и фильтрации [1]. Видеоданные первоначально обрабатываются с использованием программного обеспечения на языке Python, после чего результаты сохраняются для последующего анализа в программном окружении «MATLAB».

Ключевым этапом исследования является оценка погрешности использованного метода. Ошибки при оцифровке минимизируются благодаря механизму проверки, интегрированному в алгоритм. Этот механизм основывается на предпосылке, что положение индикатора не должно резко изменяться между двумя соседними кадрами. В случае обнаружения аномалий или неожиданных сдвигов в положении индикатора кадр подвергается повторному анализу для верификации результатов [8].

Тестирование алгоритма распознавания выявило его точность в 99,5%, процент ошибки составил 0,5%, это говорит о том, что в большинстве экспериментальных наблюдений алгоритм эффективно определяет положение индикатора. Для определения точности была применена обучающая выборка, после чего алгоритм был протестирован на тестовой выборке, размеченной нами вручную. Сравнение результатов подтвердило минимальное отклонение.

где TP (True Positives) — количество случаев, когда алгоритм правильно определил положение индикатора; FP (False Positives) — количество случаев, когда алгоритм ошибочно определил положение индикатора.

При использовании алгоритма распознавания видео и метода оцифровки были получены данные, отражающие временные ряды колебаний индикатора. Эти данные выявляют специфические характеристики и отклонения в динамике колебаний. В отличие от традиционного метода наблюдения через окуляр данный метод обеспечивает детализированную цифровую обработку данных, расширяя аналитический потенциал исследований.

Применяемая методика обеспечивает систематизированный сбор данных в различных геологических локациях, придавая исследованиям дополнительную информационную ценность. Задача по оцифровке успешно решена, и ее результат предоставляет дополнительный инструмент для детального изучения и анализа периодичности вариаций гравитационного поля исследуемого региона. Данная работа нацелена на возможность определять статистические, спектральные и другие характеристики вариаций гравитационного поля в зонах с разным геологическим строением, что, в свою очередь, необходимо для решения задач по точному определению зон разломов, выявлению гетерогенностей грунтов и коррекции границ месторождений, расширяя аналитические возможности специалистов в области изучения природных ресурсов [7].

Ограничения нашего метода

1. Метод функционирует исключительно в офлайн-режиме, завися от компьютера для обработки данных.
2. Исходная запись создает видеофайлы со значительным объемом (около 1 ГБ данных за 1 час записи), что увеличивает временные затраты на их обработку.
3. Процесс оцифровки данных предполагает выполнение дополнительных операций обработки и анализа, что может привести к задержке в представлении результатов.

Перспективы развития

1. Предполагается модернизация методики оцифровки данных в онлайн-режиме, без предварительного сохранения видеофайла, что сократит использование дискового пространства и уменьшит время получения результатов.
2. Планируется разработка интегрированной аппаратной платформы, исключающей необходимость подключения внешних устройств; другими словами, замена ноутбука на простое, автономное, более энергоэффективное устройство.
3. Рассматривается возможность автономной эксплуатации прибора с функцией автоматического запуска и завершения записи в соответствии с заданными параметрами.
4. Данный подход возможно адаптировать и применять для оцифровки аналоговых индикаторов других приборов.

Заключение

В рамках проведенного исследования была разработана и рассмотрена методика оцифровки колебаний индикатора гравиметра ГНУ-КВ. Интеграция современных устройств и передовых алгоритмов позволила методике обеспечить превосходство над классическими подходами. Описанный метод и алгоритмы характеризуются высокой точностью и скоростью реагирования, обеспечивая вывод числового ряда для анализа низкочастотных вариаций гравитационного поля. На основании полученных результатов можно утверждать о потенциально широком применении данной методики в геологической сфере и ее возможном вкладе в будущие научные достижения и совершенствование методов исследования земной коры; в частности, она может быть использована для непрерывного мониторинга многих геологических процессов. При откачке подземных вод, нефти или газа, как и в районах геотермальных источников, одновременно с оседаниями дневной поверхности происходят и изменения силы тяжести, при этом локальные изменения зависят от типа осадочных пород и процесса опускания. Можно также использовать контрольные съемки для изучения запасов месторождения.

ВКЛАД АВТОРОВ / AUTHOR CONTRIBUTIONS

Лобанов А.М. — внес основной вклад в разработку концепции статьи, сформулировал основные идеи описанного метода, подготовил текст статьи, окончательно утвердил публикуемую версию статьи и согласен принять на себя ответственность за все аспекты работы.

Alexander M. Lobanov — made the main contribution to the development of the concept of the article, formulated the main ideas of the described method, prepared the text of the article, finally approved the published version of the article and agreed to take responsibility for all aspects of the work.

Белов А.П. — внес основной вклад в разработку концепции статьи, присоединился к подготовке текста статьи, окончательно утвердил публикуемую версию и согласен принять на себя ответственность за все аспекты работы.

Ерохин А.М. — внес вклад в разработку концепции статьи, подобрал математический аппарат для обеспечения расчетов, указанных в статье, присоединился к подготовке текста статьи, окончательно утвердил публикуемую версию и согласен принять на себя ответственность за все аспекты работы.

Венедиктов К.В. — внес вклад в разработку концепции статьи, разработал программное обеспечение для проведения анализа исходных данных, присоединился к подбору математического аппарата и подготовке текста статьи, обеспечил графическое представление данных, окончательно утвердил публикуемую версию и согласен принять на себя ответственность за все аспекты работы.

Alexey P. Belov — made the main contribution to the development of the concept of the article, joined the preparation of the text of the article, finally approved the published version and agreed to take responsibility for all aspects of the work.

Alexander M. Erokhin — contributed to the development of the concept of the article, selected a mathematical apparatus to ensure the calculations specified in the article, joined the preparation of the text of the article, finally approved the published version and agreed to take responsibility for all aspects of the work.

Konstantin V. Venediktov — contributed to the development of the concept of the article, developed software for analyzing the source data, joined the selection of mathematical apparatus and the preparation of the text of the article, provided a graphical representation of the data, finally approved the published version and agreed to take responsibility for all aspects of the work.