[發(fā)明專利]基于二值化神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)礦石尺度測(cè)量方法及應(yīng)用系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010433320.1
• 申請(qǐng)日: 2020-05-21
• 公開（公告）號(hào): CN112001878A
• 公開（公告）日: 2020-11-27
• 發(fā)明（設(shè)計(jì)）人: 段章領(lǐng);盛典墨
• 申請(qǐng)（專利權(quán)）人: 合肥合工安馳智能科技有限公司
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06T7/10;G06T7/13;G06T7/62;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 合肥東邦滋原專利代理事務(wù)所(普通合伙) 34155
• 代理人: 吳曉娜

一種基于二值化神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)礦石尺度測(cè)量方法及應(yīng)用系統(tǒng)，其中包括：通過攝像頭獲取皮帶上礦石圖像；預(yù)處理礦石圖像為標(biāo)記圖像，標(biāo)記出尺寸大于閾值的礦石；將標(biāo)記后的圖像分為訓(xùn)練樣本和測(cè)試樣本；使用訓(xùn)練樣本訓(xùn)練預(yù)設(shè)的實(shí)例分割網(wǎng)絡(luò)并獲得權(quán)重；將測(cè)試樣本輸入至神經(jīng)網(wǎng)絡(luò)獲得分割結(jié)果，并將分割后的圖像通過最小覆蓋圓算法獲得礦石的最長(zhǎng)尺寸；根據(jù)礦石的尺寸，找到異常大小的礦石并發(fā)出警告。本發(fā)明解決了礦石塊篩選中存在的智能化水平低依賴人工操作，效率低的問題。

技術(shù)領(lǐng)域

本發(fā)明涉及一種圖像檢測(cè)方法，一種基于二值化神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)礦石尺度測(cè)量方法及應(yīng)用系統(tǒng)。

背景技術(shù)

有色金屬是當(dāng)代能源、信息技術(shù)和現(xiàn)代材料的重要組成部分，是現(xiàn)代社會(huì)經(jīng)濟(jì)和高技術(shù)發(fā)展的重要基礎(chǔ)。目前，我國(guó)有色金屬礦山的采選規(guī)模較小，自動(dòng)化、信息化程度較低，導(dǎo)致礦物資源利用率不高、生產(chǎn)過程的耗能嚴(yán)重，造成了較大的礦產(chǎn)資源浪費(fèi)，也使得礦業(yè)企業(yè)缺乏足夠的國(guó)際競(jìng)爭(zhēng)力。由礦山開采出來(lái)的礦石，除少數(shù)富含有用礦外，絕大多數(shù)是含有大量脈石的貧礦。對(duì)冶金工業(yè)來(lái)說(shuō)，這些貧礦由于有用成分含量低，礦物組成復(fù)雜，若直接用來(lái)冶煉提取金屬，則能耗大，生產(chǎn)成本高。因此，在礦石冶煉之前，必須先經(jīng)過分選或富集，以拋棄大部分的脈石，使有用礦物的含量達(dá)到冶煉要求。選礦工藝中最主要的工序是解離，就是將大塊礦石進(jìn)行破碎和磨細(xì)，將各種有用的礦物顆粒從礦石中解離出來(lái)。國(guó)內(nèi)行業(yè)對(duì)礦石異常尺寸檢測(cè)仍采用大量人工方法，即工人在傳送帶邊觀察，一旦出現(xiàn)尺寸較大的礦石塊便停止機(jī)器運(yùn)轉(zhuǎn)。但是，這種操作方法存在著一系列問題，比如耗能耗時(shí)且效率較低，需要大量人工操作，勞動(dòng)強(qiáng)度大工作環(huán)境惡劣安全系數(shù)低，誤判可能性較大，無(wú)法監(jiān)控破碎機(jī)的工作狀況等。近年來(lái)計(jì)算機(jī)應(yīng)用、圖像處理及智能控制等方法快速發(fā)展，機(jī)器視覺技術(shù)已經(jīng)廣泛應(yīng)用于工業(yè)檢測(cè)方面。近年來(lái)，世界上一些國(guó)家如美國(guó)、加拿大、南非、中國(guó)等的研究機(jī)構(gòu)均投入大量的精力試圖用計(jì)算機(jī)視覺技術(shù)對(duì)礦石尺寸進(jìn)行檢測(cè)。其中應(yīng)用最廣的是采用礦石圖像分割算法，通過不同的圖像分割算法獲得礦石的區(qū)域大小。但是礦石分割算法存在很多問題，包大部分方法都只針對(duì)礦石堆積和重疊不嚴(yán)重，礦石和背景對(duì)比度大成像質(zhì)量較好的礦石圖像進(jìn)行分割處理。對(duì)于低信噪比、低對(duì)比度以及礦石堆積嚴(yán)重的礦石圖像已有的分割方法均無(wú)法有效將其正確分割。選礦現(xiàn)場(chǎng)處于高粉塵、高污染等復(fù)雜的環(huán)境下，圖像的信噪比較低，采用傳統(tǒng)的圖像處理算法這些存在的噪聲會(huì)直接影響礦石分割的結(jié)果。

綜上所述，傳統(tǒng)的礦石尺寸檢測(cè)中存在大量人工操作、基于傳統(tǒng)分割算法的檢測(cè)方法存在準(zhǔn)確率低、無(wú)法分割堆疊礦石的技術(shù)問題。

發(fā)明內(nèi)容

對(duì)于上述現(xiàn)有技術(shù)存在的問題，提出了基于二值化神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)礦石尺度測(cè)量方法，目的為了解決傳統(tǒng)礦石尺度測(cè)量中存在的效率低，準(zhǔn)確率低，無(wú)法分割堆疊礦石的技術(shù)問題。包括：獲取礦石塊圖像；預(yù)處理所述的礦石塊圖像為標(biāo)記圖像，將所述處理標(biāo)記圖像分為訓(xùn)練樣本和測(cè)試樣本；對(duì)異常的標(biāo)注圖像數(shù)據(jù)進(jìn)行剔除；使用處理后的訓(xùn)練樣本訓(xùn)練預(yù)設(shè)的二值化MS R-CNN實(shí)例分割網(wǎng)絡(luò)；輸入所述的測(cè)試樣本至所述的實(shí)例分割網(wǎng)絡(luò)，獲得實(shí)例分割結(jié)果，并計(jì)算出礦石尺寸大小。

本發(fā)明解決技術(shù)問題采用如下技術(shù)方案：一種基于二值化神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)礦石尺度測(cè)量方法及應(yīng)用系統(tǒng)，用于對(duì)礦業(yè)生產(chǎn)中礦石進(jìn)行智能化篩選，按以下步驟進(jìn)行：

a、樣本準(zhǔn)備階段，獲取礦石塊圖像，預(yù)處理所述的礦石塊圖像為標(biāo)記圖像，將所述處理標(biāo)記圖像按9∶1分為訓(xùn)練樣本和測(cè)試樣本，對(duì)異常的標(biāo)注圖像數(shù)據(jù)進(jìn)行剔除后得到訓(xùn)練用的數(shù)據(jù)集；

b、網(wǎng)絡(luò)創(chuàng)建階段，創(chuàng)建二值化的MS R-CNN網(wǎng)絡(luò)；

c、網(wǎng)絡(luò)訓(xùn)練階段，將所述的二值化MS R-CNN網(wǎng)絡(luò)在劃分好的訓(xùn)練集X上訓(xùn)練；

d、網(wǎng)絡(luò)運(yùn)行階段，通過所述的訓(xùn)練好的二值化MS R-CNN網(wǎng)絡(luò)對(duì)測(cè)試樣本進(jìn)行檢測(cè)獲得分割后的礦石邊緣輪廓，根據(jù)最小覆蓋圓算法計(jì)算出礦石的尺寸大小；