[發明專利]基于圖像分割的煤流量監測方法、裝置和電子裝置

在審

• 申請號: 202011101751.4
• 申請日: 2020-10-15
• 公開（公告）號: CN112365533A
• 公開（公告）日: 2021-02-12
• 發明（設計）人: 劉士臣
• 申請（專利權）人: 浙江大華技術股份有限公司
• 主分類號: G06T7/62
• 分類號: G06T7/62;G06T7/11;G06T7/136;G06K9/62
• 代理公司: 杭州華進聯浙知識產權代理有限公司 33250
• 代理人: 龍偉

1.一種基于圖像分割的煤流量監測方法，其特征在于包括：

從傳送帶運輸煤炭過程中的視頻中提取待測圖像；

將所述待測圖像輸入到已訓練的超分辨率分割網絡模型，得到所述已訓練的超分辨率分割網絡模型輸出的與所述待測圖像對應的分割特征圖像；

對所述分割特征圖像進行可視化處理，得到與所述分割特征圖像對應的可視化圖，其中，所述可視化圖包括煤炭區域、傳送帶區域和背景區域；

根據所述可視化圖中煤炭區域與傳送帶區域的分割面積，確定煤流量。

2.根據權利要求1所述的基于圖像分割的煤流量監測方法，其特征在于，所述已訓練的超分辨率分割網絡模型包括已訓練的語義分割網絡子模型、已訓練的全局上下文建模網絡子模型以及已訓練的超分辨率網絡子模型；將所述待測圖像輸入到已訓練的超分辨率分割網絡模型，得到所述已訓練的語義分割網絡模型輸出的與所述待測圖像對應的分割特征圖像包括：

將所述待測圖像輸入到所述已訓練的語義分割網絡子模型，得到所述已訓練的語義分割網絡子模型輸出的與所述待測圖像對應的第一特征圖像；

獲取所述待測圖像的全局上下文信息；

將所述第一特征圖像和所述待測圖像的全局上下文信息輸入到所述已訓練的全局上下文建模網絡子模型，得到所述已訓練的全局上下文建模網絡子模型輸出的與所述待測圖像對應的第二特征圖像；

將所述待測圖像輸入到所述已訓練的超分辨率網絡子模型，得到所述已訓練的超分辨率網絡子模型輸出的超分辨率圖像；

對所述超分辨率圖像中的特征和所述第二特征圖像中的特征信息特征關聯處理，得到與所述待測圖像對應的分割特征圖像。

3.根據權利要求1所述的基于圖像分割的煤流量監測方法，其特征在于，對所述分割特征圖像進行可視化處理，得到與所述分割特征圖像對應的可視化圖包括：

對所述分割特征圖像進行閾值分割處理，得到每個像素的類別標簽；

根據每個所述像素的類別標簽，對所述分割特征圖像進行可視化處理，得到與所述分割特征圖像對應的可視化圖。

4.根據權利要求3所述的基于圖像分割的煤流量監測方法，其特征在于，對所述分割特征圖像進行閾值分割處理，得到每個像素的類別標簽包括：

對所述分割特征圖像進行最大概率閾值分割，得到所述分割特征圖像中的每個類別通道下的最大概率值對應的像素位置，其中，所述類別通道包括煤炭通道、傳送帶通道和背景通道；

根據所述分割特征圖像中的每個類別通道下的最大概率值對應的像素位置，得到每個像素的類別標簽。

5.根據權利要求3所述的基于圖像分割的煤流量監測方法，其特征在于，所述類別標簽包括煤炭標簽和傳送帶標簽；根據每個所述像素的類別標簽，對所述分割特征圖像進行可視化處理，得到與所述分割特征圖像對應的可視化圖包括：

根據每個所述像素的類別標簽，將類別標簽為煤炭標簽的像素所在位置賦值為第一預設顏色，將類別標簽為傳送帶標簽的像素所在位置賦值為第二預設顏色，得到與所述分割特征圖像對應的蒙版圖；

將所述待測圖像與所述蒙版圖相加，得到與所述分割特征圖像對應的可視化圖。

6.根據權利要求1所述的基于圖像分割的煤流量監測方法，其特征在于，根據所述可視化圖中煤炭區域與傳送帶區域的分割面積，確定煤流量包括：

根據所述可視化圖中煤炭區域與傳送帶區域的分割面積，確定所述煤炭區域在所述傳送帶區域上的比重；

將所述煤炭區域在所述傳送帶區域上的比重輸入到預設流量檢測函數，得到所述預設流量檢測函數輸出的煤流量。

7.根據權利要求1至6中任一項所述的基于圖像分割的煤流量監測方法，其特征在于，在從傳送帶運輸煤炭過程中的視頻中提取待測圖像之后，所述方法還包括：

對所述待測圖像進行預處理，其中，所述預處理包括以下至少之一：裁剪處理、翻轉處理、縮放處理。