[發明專利]基于圖像檢測的煤矸識別方法

在審

• 申請號: 202011468232.1
• 申請日: 2020-12-14
• 公開（公告）號: CN112560941A
• 公開（公告）日: 2021-03-26
• 發明（設計）人: 段勃;楊東鑫;李浩瀾;何杰;陳鵬;張楊
• 申請（專利權）人: 中科院計算所西部高等技術研究院
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46;G06N3/04;G06T7/00;G06T7/12;G06T7/13;G06T7/136;G06T7/55;G06T7/62
• 代理公司: 北京海虹嘉誠知識產權代理有限公司 11129
• 代理人: 胡博文

本發明提供的一種基于圖像檢測的煤矸識別方法，包括：將煤矸圖像的訓練樣本輸入到卷積神經網絡中對卷積神經網絡進行訓練；采集實時煤矸圖像，將實時煤矸圖像輸入到經過訓練的卷積神經網絡進行識別，輸出識別結果；將識別結果進行背景識別處理，識別出煤塊，通過上述方法，能夠對傳輸帶裂紋進行準確鑒別，提出傳輸帶裂紋對識別結果的影響，有效提高最終識別精度，另一方面，對圖像識別算法進行改進，提升算法模型的泛化能力，進一步提升檢測的精確度。

技術領域

本發明涉及一種識別方法，尤其涉及一種基于圖像檢測的煤矸識別方法。

背景技術

在煤礦生產中需要對煤塊進行分揀，即從采集的礦石中分揀出煤炭，去除石塊、煤矸等，因此，在分揀之前，如何準確識別出煤塊是一個極為重要的前提，現有技術中，對于煤塊的識別往往基于圖像檢測的方式，但是現有的基于圖像的煤塊識別存在如下缺陷：現有的識別方法誤識別嚴重，從而準確性低，這是由于在識別過程中往往受到外界的干擾，比如傳輸帶的影響，即將傳輸帶的裂紋等識別為煤塊的邊界，從而將煤塊裂紋所包含的區域識別為煤塊，另一方面，現有的識別方法自身缺陷導致識別準確性低。

因此，為了解決上述技術問題，亟需提出一種新的技術手段。

發明內容

有鑒于此，本發明的目的是提供一種基于圖像檢測的煤矸識別方法，能夠對傳輸帶裂紋進行準確鑒別，提出傳輸帶裂紋對識別結果的影響，有效提高最終識別精度，另一方面，對圖像識別算法進行改進，提升算法模型的泛化能力，進一步提升檢測的精確度。

本發明提供的一種基于圖像檢測的煤矸識別方法，包括：

將煤矸圖像的訓練樣本輸入到卷積神經網絡中對卷積神經網絡進行訓練；

采集實時煤矸圖像，將實時煤矸圖像輸入到經過訓練的卷積神經網絡進行識別，輸出識別結果；

將識別結果進行背景識別處理，識別出煤塊。

進一步，在煤矸圖像的訓練樣本輸入到卷積神經網絡之前對訓練樣本進行預處理，包括：

對訓練樣本圖像進行處理，提取出煤矸邊界框；

對煤矸邊界框進行分類標記，其中邊界框分類包括：特征明顯煤塊、特征不明顯煤塊、特征明顯石塊、特征不明顯石塊以及煤矸石。

進一步，對卷積神經網絡進行訓練前對卷積神經網絡進行預處理，包括：

構建卷積神經網絡的激活函數：

Mish＝x*tanh(ln(1+e^x))；其中，Mish為函數輸出值，x為卷積神經網絡的神經元輸入參數；

設置卷積神經網絡的YOLOv5網絡結構：

將卷積神經網絡中的CSPDarknet53結構設定為兩個預測分支，其中一個預測分支特征為38*38*N，另一預測分支為19*19*N，其中，N為設定值；

擴大卷積神經網絡的卷積核數量為初始卷積核數量的1.2-1.8倍。

進一步，卷積神經網絡在訓練過程中還包括：

對訓練樣本圖像進行水平翻轉、裁剪、幾何變換以及馬賽克操作。

進一步，在采集煤矸圖像時，對相鄰兩幀圖像采集時間間隔滿足：0＜t＜h1/v，其中，t為相鄰兩幀圖像采集時間間隔，h1為圖像檢測區域的高度，v為輸送煤塊的傳輸帶的速度。

進一步，將識別結果進行背景識別處理具體包括：

獲取訓練樣本圖像中煤塊邊界框的深度信息；

基于煤塊邊界框的深度信息進行統計處理，得到深度閾值范圍(K1，K2)；