[發明專利]一種礦石快速識別方法

有效

• 申請號: 201711326240.0
• 申請日: 2017-12-13
• 公開（公告）號: CN108090434B
• 公開（公告）日: 2020-06-23
• 發明（設計）人: 王杉;何鵬宇;王梓渝;袁方
• 申請（專利權）人: 贛州好朋友科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04
• 代理公司: 深圳市順天達專利商標代理有限公司 44217
• 代理人: 鄒秋菊

一種礦石快速識別方法，包括：S1、獲取礦石訓練圖像并基于深度學習訓練所述礦石訓練圖像以獲得多個建模系數；S2、基于所述多個建模系數構建處理模型；S3、基于所述處理模型測試待測礦石圖像以獲得掩膜圖像；S4、基于所述待測礦石圖像和所述掩膜圖像獲得礦石圖像以識別礦石。實施本發明的礦石快速識別方法和計算機可讀存儲介質，通過基于深度學習訓練獲得的處理模型識別礦石，能夠以很高的精度快速準確地自動識別礦石。

技術領域

本發明涉及礦石識別領域，更具體地說，涉及一種礦石快速識別方法。

背景技術

鎢在冶金和金屬材料領域中屬高熔點稀有金屬或稱難熔稀有金屬。鎢及其合金是現代工業、國防及高新技術應用中的極為重要的功能材料之一，廣泛應用于航天、原子能、船舶、汽車工業、電氣工業、電子工業、化學工業等諸多領域。在現有技術中，通常采用手選方式對鎢礦礦石進行識別采選，因此存在生產效率低、成本高、工人勞動強度大且分選率低的缺陷。

發明內容

本發明要解決的技術問題在于，針對現有技術的上述缺陷，提供一種礦石快速識別方法，其采用處理器可以進行礦石自動光學識別，因此生產效率高、成本低且分選率高。

本發明解決其技術問題所采用的技術方案是：構造一種礦石快速識別方法，包括：

S1、獲取礦石訓練圖像并基于深度學習訓練所述礦石訓練圖像以獲得多個建模系數；

S2、基于所述多個建模系數構建處理模型；

S3、基于所述處理模型測試待測礦石圖像以獲得掩膜圖像；

S4、基于所述待測礦石圖像和所述掩膜圖像獲得礦石圖像以識別礦石。

在本發所述的礦石快速識別方法中，所述步驟S1進一步包括：

S11、獲取礦石訓練圖像并且提取所述礦石訓練圖像的特征性質和礦石空間坐標；

S12、基于所述特征性質構獲得所述礦石訓練圖像的性質顯著圖且基于所述礦石空間坐標獲得所述礦石訓練圖像的位置顯著圖；

S13、基于所述性質顯著圖和所述位置顯著圖計算所述多個建模系數。

在本發所述的礦石快速識別方法中，所述步驟S12進一步包括：

S121、采用高斯金字塔和中央周邊差算法基于多個所述特征性質構建所述礦石訓練圖像的多個特征性質圖；

S122、采用交叉尺度組合和歸一化算子基于多個所述特征性質圖獲得所述礦石訓練圖像的多個所述性質顯著圖；以及

S123、采用二維高斯分布基于所述礦石空間坐標獲得所述礦石訓練圖像的位置顯著圖。

在本發所述的礦石快速識別方法中，所述步驟S13進一步包括：

S131、采用尺度不變特征轉換算法基于多個所述性質顯著圖和所述位置顯著圖計算所述多個建模系數。

在本發所述的礦石快速識別方法中，所述特征性質包括：顏色、亮度、透明度和反射率。

在本發所述的礦石快速識別方法中，所述步驟S2進一步包括：

S21、采用卷積神經網絡基于所述多個建模系數構建所述處理模型，其中所述卷積神經網絡采用ReLU激活函數。

在本發所述的礦石快速識別方法中，所述步驟S3進一步包括:

S31、采用CCD面陣相機掃描獲取待測礦石圖像；

S32、采用所述處理模型測試所述待測礦石圖像以生成測試顯著圖；

S33、優化處理所述測試顯著圖以生成所述掩膜圖像；