[發明專利]一種用于砂石顆粒物粒徑檢測系統的圖像分割方法

在審

• 申請號: 202011504414.X
• 申請日: 2020-12-18
• 公開（公告）號: CN112528904A
• 公開（公告）日: 2021-03-19
• 發明（設計）人: 王雷沖;劉欣宇
• 申請（專利權）人: 中山艾尚智同信息科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06K9/46;G06K9/62
• 代理公司: 中山市科創專利代理有限公司 44211
• 代理人: 李宇帆

本發明公開了一種用于砂石顆粒物粒徑檢測系統的圖像分割方法，首先采用基于特征金字塔網絡(FPN)的ResNet作為特征提取網絡，增強了特征圖的表達能力，節省了大量的時間和GPU顯存，滿足在工程現場對于實時性的要求；其次提出一種自適應ROIAlign模塊，將RPN輸出的每個建議框都映射到FPN的全部特征層級上，減少信息丟失，從而實現更精確的分割；然后增加IoU預測分支以改善網絡的定位性能，從而實現更精確的分割；最后采用基于定位置信度的NMS算法優先保留具有較高定位精度的檢測框提供給目標檢測分支和掩碼分支，進一步提高了分割精度。本發明能夠應用于工廠對于砂石粒徑的實時在線分析。

[技術領域]

本發明涉及建筑業機器視覺分析領域，尤其涉及一種用于砂石顆粒物粒徑檢測系統的圖像分割方法。

[背景技術]

混凝土的粗骨料級配配比對混凝土拌合物的工作性能和硬化后混凝土的強度、硬度收縮能力等性能尤其重要，混凝土骨料的粒徑分布檢測是交通行業和建筑行業中不可或缺的環節，必須在確保混凝土的粒徑分布達標以后，才能將骨料用于生產實踐。然而，傳統的機械篩分法通過機械抖動，使混凝土骨料通過不同孔徑的篩孔，這種方法噪聲大、成本高、檢測速度慢，且難以達到較高的精度。

本發明就是基于以上問題產生的。

[發明內容]

本發明的目的是針對現有技術的不足，提出一種用于砂石顆粒物粒徑檢測系統的圖像分割方法，本發明從機器視覺的角度出發，通過攝像機拍攝得到的圖像對砂石目標進行分割，實時分析砂石粒徑的分布情況，基于改進的Mask R-CNN深度學習算法，根據RPN輸出建議框的尺寸大小，將其映射到FPN的某一特征層級，然后通過ROIAlign在該層級上提取建議框的池化特征，采用自適應ROIAlign模塊和特征融合，增加了IoU預測分支，通過預測檢測框與真實框之間的IoU，為網絡引入定位置信度，并使用改進的非極大值抑制算法進行后處理，從而提升網絡在砂石圖像數據集上的分割精度。

為解決上述技術問題，本發明所采用的技術方案是：

一種用于砂石顆粒物粒徑檢測系統的圖像分割方法，包括有以下步驟：

步驟S1，使用基于FPN的ResNet網絡對輸入的圖像進行多尺度特征提取；

步驟S2，生成RPN建議框及其錨點；

步驟S3，自適應改進ROIAlign模塊；

步驟S4，進行實例分割。

如上所述的一種用于砂石顆粒物粒徑檢測系統的圖像分割方法，所述步驟S1進一步的實現步驟如下：

步驟S1-1，ResNet網絡：引入殘差結構，殘差結構使用ReLU激活函數，從輸入圖像開始，通過多次卷積和下采樣逐級減小特征圖分辨率；

步驟S1-2，融合FPN網絡：FPN網絡主要由自下而上、自上而下和橫向連接三部分構成，ResNet網絡作為自下而上部分把原始圖片進行縮小，自上而下部分把最小分辨率特征圖進行放大，然后使用橫向連接部分將相同分辨率的特征圖進行融合。

如上所述的一種用于砂石顆粒物粒徑檢測系統的圖像分割方法，所述步驟S2進一步的實現步驟如下：

步驟S2-1，生成錨點：對于經FPN網絡生成的不同分辨率的特征圖，在其每一點上設置若干種不同寬高比的錨點；

步驟S2-2，初步分類與回歸：首先區分錨點屬于目標還是背景，根據RPN回歸分支的輸出，得到所有錨點回歸后的位置；將回歸后的錨點裁剪至圖像邊界，并刪除面積小于設定閾值的錨點；對剩下的錨點按置信度得分從高到低進行排序，并取前K個錨點；對這K個錨點進行非極大值抑制，并將抑制后的結果重新按置信度得分從高到低進行排序；最后取排序后的前n個框作為候選檢測框；