[发明专利]一种矿石尺度测量方法及应用系统

说明书

一种矿石尺度测量方法及应用系统，其中包括：通过摄像头获取皮带上矿石图像；预处理矿石图像为标记图像，标记出尺寸大于阈值的矿石；将标记后的图像分为训练样本和测试样本；使用训练样本训练预设的实例分割网络并获得权重；将测试样本输入至神经网络获得分割结果，并将分割后的图像通过最小覆盖圆算法获得矿石的最长尺寸；根据矿石的尺寸，找到异常大小的矿石并发出警告。本发明解决了矿石块筛选中存在的智能化水平低依赖人工操作，效率低的问题。

技术领域

本发明涉及一种图像检测方法，一种矿石尺度测量方法及应用系统。

背景技术

有色金属是当代能源、信息技术和现代材料的重要组成部分，是现代社会经济和高技术发展的重要基础。目前，我国有色金属矿山的采选规模较小，自动化、信息化程度较低，导致矿物资源利用率不高、生产过程的耗能严重，造成了较大的矿产资源浪费，也使得矿业企业缺乏足够的国际竞争力。由矿山开采出来的矿石，除少数富含有用矿外，绝大多数是含有大量脉石的贫矿。对冶金工业来说，这些贫矿由于有用成分含量低，矿物组成复杂，若直接用来冶炼提取金属，则能耗大，生产成本高。因此，在矿石冶炼之前，必须先经过分选或富集，以抛弃大部分的脉石，使有用矿物的含量达到冶炼要求。选矿工艺中最主要的工序是解离，就是将大块矿石进行破碎和磨细，将各种有用的矿物颗粒从矿石中解离出来。国内行业对矿石异常尺寸检测仍采用大量人工方法，即工人在传送带边观察，一旦出现尺寸较大的矿石块便停止机器运转。但是，这种操作方法存在着一系列问题，比如耗能耗时且效率较低，需要大量人工操作，劳动强度大工作环境恶劣安全系数低，误判可能性较大，无法监控破碎机的工作状况等。近年来计算机应用、图像处理及智能控制等方法快速发展，机器视觉技术己经广泛应用于工业检测方面。近年来，世界上一些国家如美国、加拿大、南非、中国等的研究机构均投入大量的精力试图用计算机视觉技术对矿石尺寸进行检测。其中应用最广的是采用矿石图像分割算法，通过不同的图像分割算法获得矿石的区域大小。但是矿石分割算法存在很多问题，包大部分方法都只针对矿石堆积和重叠不严重，矿石和背景对比度大成像质量较好的矿石图像进行分割处理。对于低信噪比、低对比度以及矿石堆积严重的矿石图像己有的分割方法均无法有效将其正确分割。选矿现场处于高粉尘、高污染等复杂的环境下，图像的信噪比较低，采用传统的图像处理算法这些存在的噪声会直接影响矿石分割的结果。

综上所述，传统的矿石尺寸检测中存在大量人工操作、基于传统分割算法的检测方法存在准确率低、无法分割堆叠矿石的技术问题。

发明内容

对于上述现有技术存在的问题，提出了矿石尺度测量方法，目的为了解决传统矿石尺度测量中存在的效率低，准确率低，无法分割堆叠矿石的技术问题。包括：获取矿石块图像；预处理所述的矿石块图像为标记图像，将所述处理标记图像分为训练样本和测试样本；对异常的标注图像数据进行剔除；使用处理后的训练样本训练预设的二值化MS R-CNN实例分割网络；输入所述的测试样本至所述的实例分割网络，获得实例分割结果，并计算出矿石尺寸大小。

本发明解决技术问题采用如下技术方案：

一种矿石尺度测量方法，用于对矿业生产中矿石进行智能化筛选，具体步骤如下：

a、样本准备阶段：获取矿石块图像，预处理所述的矿石块图像为标记图像，将所述处理标记图像按9∶1分为训练样本和测试样本，对异常的标注图像数据进行剔除后得到训练用的数据集；

b、网络创建阶段：创建二值化MS R-CNN网络；

c、网络训练阶段：将所述二值化MS R-CNN网络在划分好的训练集X上训练；

d、网络运行阶段：通过所述的训练好的二值化MS R-CNN网络对测试样本进行检测获得分割后的矿石边缘轮廓，根据最小覆盖圆算法计算出矿石的尺寸大小。

作为上述方案的进一步描述：

所述步骤a中获取矿石块图像，包括以下步骤：