[發明專利]一種基于機器視覺的煤矸石識別方法及系統

在審

• 申請號: 202110902535.8
• 申請日: 2021-08-06
• 公開（公告）號: CN113569795A
• 公開（公告）日: 2021-10-29
• 發明（設計）人: 聶帥杰;朱星光;程德強;寇旗旗;韓成功;呂晨
• 申請（專利權）人: 中國礦業大學;江蘇華圖礦業科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 南京正聯知識產權代理有限公司 32243
• 代理人: 鄧道花

1.一種基于機器視覺的煤矸石識別方法，其特征在于：該方法包括如下步驟：

a. 對采集到的由煤塊和煤矸石組成的圖像進行標注并作為原始數據集，然后對圖像進行重建并作為重建數據集；

b. 在數據集的圖像中利用聚類算法來獲取符合煤矸石形狀的先驗框,用聚類出的先驗框代替目標檢測YOLOv3模型原始的先驗框；

c. 對目標檢測YOLOv3模型進行修改，將特征融合部分改成加權特征融合；

d. 使用兩階段訓練法來訓練改進后的YOLOv3模型，再將訓練好的YOLOv3模型用于實時煤流視頻的煤矸石檢測。

2.如權利要求1所述的方法，其特征在于：所述的對圖像進行重建包括對圖像進行超分辨率重建得到重建圖像，和原始的標注信息共同作為重建數據集。

3.如權利要求1或2所述的方法，其特征在于：所述的步驟b采用k-means聚類算法來獲得基于原始圖像中煤矸石形狀的9個不同大小的先驗框。

4.如權利要求1所述的方法，其特征在于：所述的步驟c中加權特征融合包括：在進行特征融合時，首先為待融合的特征層分配不同的權重因子，然后再將與權重因子相乘后的特征層進行級聯融合。

5.如權利要求1所述的方法，其特征在于：所述的步驟d中的兩階段訓練法包括：先使用重建數據集來訓練改進后的YOLOv3模型，再使用原始數據集對重建數據集訓練好的模型進行訓練。

6.一種基于機器視覺的煤矸石識別系統，其特征在于：該系統包括圖像采集模塊、檢測模塊、輸出模塊，其中：

所述圖像采集模塊用于獲取傳送帶上的實時圖像或視頻；

所述檢測模塊利用經過兩階段訓練法訓練好的改進YOLOv3模型對采集到的圖像或視頻進行煤矸石檢測；

所述輸出模塊用于輸出檢測結果。

7.如權利要求6所述的系統，其特征在于：所述的兩階段訓練法包括：先使用重建數據集來訓練改進后的YOLOv3模型，再使用原始數據集對重建數據集訓練好的模型進行訓練。

8.如權利要求6或7所述的系統，其特征在于，所述的重建數據集包括：原始數據集中的圖像經過超分辨率重建后得到的重建圖像、原始數據集中的標注信息。

9.如權利要求6所述的系統，其特征在于：所述的改進YOLOv3模型包括：利用k-means聚類算法獲得的先驗框代替YOLOv3模型原始的先驗框、用加權特征融合代替YOLOv3模型的特征融合部分。

10.如權利要求6或9所述的系統，其特征在于：所述的加權特征融合包括：在進行特征融合時，首先為待融合的特征層分配不同的權重因子，然后再將與權重因子相乘后的特征層進行級聯融合。