[发明专利]一种基于Adaboost机器学习的矿石可见光图像分选方法

权利要求书

1.一种基于Adaboost机器学习的矿石可见光图像分选方法，其特征在于，包括如下步骤：

(1)矿石初选分类：将含量0.15％以下的矿归为废石，含量0.15％以上的矿归为矿石；

(2)图像预处理：

a.对采样的矿石可见光图像的灰度图像进行OTSU分割；

b.找出分割后图像中轮廓最大区域，以及其对应的外接矩形；

c.根据外接矩阵确定出彩色矿石可见光图像中的对应区域，即为所需的ROI区域；

d.将ROI区域的RGB色彩空间的图像转换为HSI色彩空间的图像；

e.计算ROI对应HSI色彩空间的图像H通道的0°、45°、90°、135°四个方向的灰度共生矩阵；

f.取计算后的0°、45°、90°、135°四个方向上，熵最大的结果矩阵作为特征向量，存入特征向量库；

(3)机器学习模型训练：机器学习模型采用基于决策树的AdaBoost模型，AdaBoost为自适应的Boosting版本，即将多个弱分类器组成一个强分类器，与此同时AdaBoost还能有效抑制过学习；

a.将带有矿石与废石标签信息的特征向量库输入Adaboost模型，让其进行学习与训练；

b.待Adaboost模型学习结束，将生成最终Adaboost模型；

(4)目标预测：

a.将待预测的矿石采样图片进行图像预处理；

b.将计算出的特征向量输入至训练好的AdaBoost模型中进行预测；

c.预测结果输出。

2.如权利要求1所述的基于Adaboost机器学习的矿石可见光图像分选方法，其特征在于，所述步骤(2)中当找出分割后图像中轮廓最大区域时，面积过滤阈值取2000个像素。

3.如权利要求1所述的基于Adaboost机器学习的矿石可见光图像分选方法，其特征在于，所述步骤(2)中灰度共生矩阵，最大灰度等级参数值取20。

4.如权利要求1所述的基于Adaboost机器学习的矿石可见光图像分选方法，其特征在于，所述步骤(2)中灰度共生矩阵，距离参数值取5。

5.如权利要求1所述的基于Adaboost机器学习的矿石可见光图像分选方法，其特征在于，所述步骤(2)中灰度共生矩阵，最大灰度参数值取360。

6.如权利要求1所述的基于Adaboost机器学习的矿石可见光图像分选方法，其特征在于，所述步骤(3)中Adaboost模型，类型采用Gentle Adaboost。

7.如权利要求1所述的基于Adaboost机器学习的矿石可见光图像分选方法，其特征在于，所述步骤(3)中Adaboost模型，弱分类器个数取450。

8.如权利要求1所述的基于Adaboost机器学习的矿石可见光图像分选方法，其特征在于，所述步骤(3)中Adaboost模型，最大层数取5层。

9.如权利要求1所述的基于Adaboost机器学习的矿石可见光图像分选方法，其特征在于，所述步骤(4)中所使用参数与(2)图像预处理、(3)机器学习模型训练预测。