[發(fā)明專利]一種基于CNN分類算法的泥巖巖性識別系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202011255221.5
• 申請日: 2020-11-11
• 公開（公告）號: CN112508851A
• 公開（公告）日: 2021-03-16
• 發(fā)明（設計）人: 晏賓;鄭立寧;康景文;馮世清;黃練紅;高巖川;鄧正宇;胡熠;易春艷;周其健;陳繼;陳繼彬;曾偉
• 申請（專利權）人: 中國建筑西南勘察設計研究院有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/13;G06T5/00;G06T3/40;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 成都九鼎天元知識產權代理有限公司 51214
• 代理人: 賈年龍

1.一種基于CNN分類算法的泥巖巖性識別系統(tǒng)，其特征在于，包括：

前端操作模塊，用于將圖像數(shù)據發(fā)送至服務器，并將圖像數(shù)據保存至數(shù)據庫服務器；

泥巖容器檢測模塊，用于識別出圖像數(shù)據中泥巖容器的位置信息，便于裁剪出每個泥巖并作后一步的操作；

泥質風化識別模塊，用于檢測單個泥巖圖像的風化程度和泥質，風化程度包括中等風化、全風化和強風化中任一種，泥質包括砂巖、泥巖、砂質泥巖和泥質砂巖中任一種。

2.根據權利要求1所述的基于CNN分類算法的泥巖巖性識別系統(tǒng)，其特征在于，泥巖容器檢測模塊包括程序以及運行程序的存儲介質，運行程序的存儲介質基于Canny邊緣檢測算法，結合凸包、LSD直線檢測對圖像進行分解處理，具體包括流程：

S1，對圖像進行放縮，在待求像素的四鄰像素中，將距離待求像素最近的像素灰度賦給待求像素，設(i+u,j+v)為待求像素坐標，如果(i+u,j+v)落在A區(qū)，即u0.5,v0.5，則將左上角像素的灰度值賦給待求像素，同理，落在B區(qū)則賦予右上角的像素灰度值，落在C區(qū)則賦予左下角像素的灰度值，落在D區(qū)則賦予右下角像素的灰度值；其中，i,j為正整數(shù)，u,v為大于零小于1的小數(shù)；

S2，圖像放縮后，對獲得的圖像通過圖像模糊濾波器降低圖像中的噪聲，采用如下二維濾波器公式計算G(x,y)：

其中，G(x,y)為圖像坐標；

S3，降噪處理后，將獲得的圖像結果采用Canny算法進行邊緣檢測，采用的算子為Sobel：

計算圖像的梯度幅值M(x,y)：

其中，d_x為沿x軸梯度值，d_y為沿y軸梯度值，f(x,y)為圖像像數(shù)值；

計算圖像的角度θ_M：

θ_M＝arctan(d_y/d_x)

S4，進行Canny邊檢檢測后進行非極大值抑制，目的在于去除冗余邊框，NMS算法本質是搜索局部極大值，抑制非極大值元素，公式如下：

其中，s_i為每個檢測結果，M為當前得分最高的檢測結果，b_i為剩余的某一個，N_i為設定的閾值。

S5，通過Canny處理后得到的圖像進行LSD直線檢測，用于檢測出特定圖像中的泥巖容器。

3.根據權利要求2所述的基于CNN分類算法的泥巖巖性識別系統(tǒng)，其特征在于，在步驟S5中，包括子步驟：

步驟S51，輸入灰度圖像I并進行高斯采樣，設置采樣率S＝0.8；

步驟S52，計算圖像中各點的梯度值和方向，然后根據梯度值大小排序；

步驟S53，將梯度值小于ρ的點狀態(tài)設置為USED，其余為UNUSED；

步驟S54，取出剩下的排序表中狀態(tài)為UNUSED的點；

步驟S55，設置方向變化最大容忍值τ進行區(qū)域生長Region Grow；

步驟S56，計算生長得到的區(qū)域的同性點密度D；

步驟S57，比較同性點密度D與截斷閾值D₀大小，如果DD₀，截斷區(qū)域，轉至步驟S56；如果DD₀，計算錯誤控制函數(shù)NFA；

步驟S58，比較錯誤控制函數(shù)NFA與錯誤控制閾值ε，如果NFAε，輸出直線段數(shù)據，排序表是否還有狀態(tài)為UNUSED的點，若有，轉至步驟S54，否則，結束程序，則輸出檢測直線段數(shù)據RECT。

4.根據權利要求1或3所述的基于CNN分類算法的泥巖巖性識別系統(tǒng)，其特征在于，通過凸包檢測，提取出泥巖容器，獲取到泥巖容器后便對容器中的泥巖進行單個裁剪，將容器中的泥巖裁剪為單個圖像，并用于進行后續(xù)的巖性檢測。