[发明专利]一种铁精粉分割方法及分割装置

说明书

本发明提供一种铁精粉分割方法及分割装置，能够将铁精粉从铁精粉图像中完整准确地提取出来。所述方法包括：获取传送过程中的铁精粉图像及对应的标注图作为训练样本集；建立基于注意力机制模块的分割网络SegNet，其中，注意力机制包括：空间注意力和通道注意力；利用获取的训练样本集训练分割网络SegNet；利用训练好的分割网络SegNet对待分割的铁精粉图像进行分割，输出铁精粉图像每个像素点的类别。本发明涉及矿石筛选技术领域。

技术领域

本发明涉及矿石筛选技术领域，特别是指一种铁精粉分割方法及分割装置。

背景技术

铁精粉是一种生成球团矿的原料，其含铁量决定着铁精粉的质量。在国内，矿粉在我国资源丰富，储量大，却有很多颗粒小，品种复杂的矿石混杂在其中，导致我国的矿粉资源虽然产量丰富，但是质量不尽如人意，会影响成球性和成分的稳定性。因此，国内不少企业采用的矿粉大多是进口的，但是随着需求的扩大，对于进口矿的数量越来越多。由于铁矿资源有限，原料的供应不足，不得不转向国内市场。同时我国钢铁行业向着高质量、精加工方向发展，作为原料的铁精粉的质量必须要适应该种变化。

传统的铁精粉品味分析技术一般使用化学或者物理方法，时间、人力成本都比较高。深度学习是应用广泛并且新颖的一种机器学习方法，也是一种高效的算法，利用从不同层次提取的特征作为识别的基础从而得到所属分类，可以有效解决传统铁精粉耗时、耗力等缺点，同时还能很好的保证以较低的成本达到较高的准确率和减少维护成本。

由于铁精粉和混在其中的其他矿石形状、颜色、纹理、体积有诸多相似之处，有一些用肉眼都是很难分辨的；另外，有些铁精粉和矿石的体积非常小，以及呈现在图片里的面积所占的像素极其少，属于小目标。加之，小目标由于所含的信息少，容易在池化以及卷积的过程中忽略所含有的信息，同时现有语义分割方法对于边缘特征(由于边缘定位不准确)和小目标信息的提取相对比较困难，所以对于边缘像素点以及小面积的像素点的分类的准确性较大范围内部像素点的分类准确性要差，不利于完整的提取出铁精粉这个目标物体。

发明内容

本发明要解决的技术问题是提供一种铁精粉分割方法及分割装置，以解决现有技术所存在的铁精粉和混在其中的其他矿石之间的特征差异小、目标体积过小或边缘定位不准确，导致无法完整准确地提取铁精粉的问题。

为解决上述技术问题，本发明实施例提供一种铁精粉分割方法，包括：

获取传送过程中的铁精粉图像及对应的标注图作为训练样本集；

建立基于注意力机制模块的分割网络SegNet，其中，注意力机制包括：空间注意力和通道注意力；

利用获取的训练样本集训练分割网络SegNet；

利用训练好的分割网络SegNet对待分割的铁精粉图像进行分割，输出铁精粉图像每个像素点的类别。

进一步地，在利用获取的训练样本集训练分割网络SegNet之前，所述方法还包括：

对获取的铁精粉图像及对应的标注图进行一致的分割处理；

对分割处理后的铁精粉图像及对应的标注图进行图像增强处理。

进一步地，图像增强处理包括：旋转、翻转、放大、缩小、平移中的一种或多种。

进一步地，所述分割网络SegNet包括：编码器以及基于注意力机制模块的解码器；

所述编码器，用于对输入图像进行卷积、批量归一化和池化处理，提取特征图；

所述解码器，用于对编码器输出的特征图提取空间注意力特征、上采样、提取通道注意力特征、对提取的空间注意力特征和通道注意力特征进行拼接、卷积和批量归一化处理，并输出铁精粉图像每个像素点的类别。