[發明專利]基于圖像匹配的粗粒土填料級配自動識別方法及應用系統

有效

• 申請號: 202010328003.3
• 申請日: 2020-04-23
• 公開（公告）號: CN111652270B
• 公開（公告）日: 2022-03-29
• 發明（設計）人: 肖源杰;蔡德鉤;王萌;陳曉斌;堯俊凱;閆宏業;于群丁;李文奇
• 申請（專利權）人: 中南大學;中國鐵道科學研究院集團有限公司鐵道建筑研究所
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/74;G06K9/62;G06N3/04
• 代理公司: 北京中創云知識產權代理事務所(普通合伙) 11837
• 代理人: 徐輝

1.一種基于圖像匹配的粗粒土填料級配自動識別方法，其特征在于，包括：

S1采集包含各種粒徑的粗粒土顆粒的填料圖像，形成各種粒徑的粗粒土顆粒識別模板，構建模板庫；

S2采集包含各種級配的填料圖像，將各所述填料圖像與所述模板庫中的所述粗粒土顆粒識別模板進行匹配，獲得所述填料圖像中粗粒土顆粒的粒徑大小、分布以及形狀類別，繪制級配曲線，將填料信息和級配一并存入級配庫；

S3封裝所述級配庫以及執行S2的程序；

S4采集路基填筑碾壓施工現場路基的填料圖像，經封裝的程序處理后，獲得施工現場填料圖像的級配結果和級配曲線；

S2中獲得所述填料圖像中粗粒土顆粒的粒徑大小、分布以及形狀類別，包括：

S21采用OpenCV函數檢測填料圖像與模板庫中的各個粗粒土顆粒識別模板的最佳匹配位置，并進行匹配，如果匹配成功，則將匹配區域從所述填料圖像中刪除并另行存儲，并記錄匹配區域的位置及匹配出的粗粒土顆粒粒徑；

S22判斷各個所述填料圖像是否放大到最大尺寸，如果是，則進入步驟S23，如果否，則對所述填料圖像進行放大并返回步驟S21；

S23將匹配出的粗粒土顆粒圖像按照形狀劃分為不同的形狀類別；

S24統計單個顆粒的二維尺寸，根據形狀類別估計單個顆粒第三維的尺寸，獲得單個顆粒的體積，求得單個顆粒的質量；

S25計算所有顆粒的尺寸和質量的分布，輸出級配結果及級配曲線。

2.根據權利要求1所述的基于圖像匹配的粗粒土填料級配自動識別方法，其特征在于，各種粒徑的粗粒土顆粒識別模板為采用Gimp開源程序生成的圓形模板。

3.根據權利要求2所述的基于圖像匹配的粗粒土填料級配自動識別方法，其特征在于，S21還包括將每種粒徑圖像旋轉各個角度后生成的新圖像與各個粗粒土顆粒識別模板進行匹配，選擇匹配度最高的模板作為匹配結果。

4.根據權利要求2所述的基于圖像匹配的粗粒土填料級配自動識別方法，其特征在于，S21還包括如果匹配成功，獲取更多的放大模板用于匹配，判斷獲得的區域與另行存儲區域是否存在重疊，如果存在重疊則剔除重疊部分，并擴大區域；如果提取后的區域肉眼可見不包括單個完整顆粒，則保留剔除的區域，并將擴大區域中的該部分刪除，并用開源Gimp程序對區域進行優化填充。

5.根據權利要求3或4所述的基于圖像匹配的粗粒土填料級配自動識別方法，其特征在于，S21之前還包括使用第一神經網絡模型檢測和排除非單個顆?；虿煌耆梢姷念w粒；所述第一神經網絡模型采用人工標注的若干單個完整顆粒樣本和非單個完整顆粒樣本，進行訓練，直至滿足排除圖像中的非單個顆?；虿煌耆梢姷念w粒的精度要求。

6.根據權利要求5所述的基于圖像匹配的粗粒土填料級配自動識別方法，其特征在于，S23劃分為不同的形狀類別包括：采用第二神經網絡模型將匹配出的粗粒土顆粒圖像分為不同的形狀類別；所述第二神經網絡模型通過訓練獲得；訓練包括：對匹配出的顆粒圖像進行第二次人工標記，標記顆粒的形狀類別形成類別樣本庫；類別樣本庫中的各類粗粒土顆粒圖像按照粒徑大小排列訓練所述第二神經網絡模型。