[发明专利]基于深度阈值卷积模型的土石料级配检测方法

权利要求书

1.一种基于深度阈值卷积模型的土石料级配检测方法，其特征在于，包括以下步骤：

S1、获取土石料图像数据；

S2、对土石料图像进行预处理；

S3、对预处理后的土石料图像采用阈值化方式提取初始级配数据；

S4、构建深度阈值卷积模型并进行训练，利用训练后的深度阈值卷积模型对初始级配数据修正得到土石料级配数据。

2.根据权利要求1所述的基于深度阈值卷积模型的土石料级配检测方法，其特征在于，所述步骤S2具体包括：

设定土石料图像尺寸，并对土石料图像进行双边滤波降噪处理。

3.根据权利要求1所述的基于深度阈值卷积模型的土石料级配检测方法，其特征在于，所述步骤S3具体包括：

对预处理后的土石料图像分别进行阈值化转换和边缘检测，提取土石料颗粒轮廓信息，再拟合土石料颗粒轮廓得到初始级配数据。

4.根据权利要求3所述的基于深度阈值卷积模型的土石料级配检测方法，其特征在于，所述步骤S3中对预处理后的土石料图像进行阈值化转换具体包括：

提取预处理后的土石料图像上各个像素点的灰度值；

计算像素点的灰度值均值；

采用最大类间方差法确定最佳阈值，划分颗粒区域。

5.根据权利要求3所述的基于深度阈值卷积模型的土石料级配检测方法，其特征在于，所述步骤S3中对预处理后的土石料图像进行边缘检测具体包括：

分别确定腐蚀与膨胀结构单元，对阈值化土石料图像进行腐蚀与膨胀的形态学处理，确定土石料边缘；

对土石料图像进行Canny边缘检测。

6.根据权利要求3所述的基于深度阈值卷积模型的土石料级配检测方法，其特征在于，所述步骤S3中拟合土石料颗粒轮廓得到初始级配数据具体包括：

将土石料颗粒轮廓形状的短轴长度作为可通过筛分孔径的最小直径，统计各粒径范围内的颗粒数量与轮廓信息，并对各颗粒轮廓进行椭圆拟合，得到各粒径组范围内通过筛孔的颗粒所占百分比，即得到初始级配数据。

7.根据权利要求1所述的基于深度阈值卷积模型的土石料级配检测方法，其特征在于，所述步骤S4中构建深度阈值卷积模型具体包括：

以步骤S1至S3对土石料图像进行阈值化处理得到的初始级配数据作为输入样本，以真实级配数据作为训练目标，采用卷积神经网络提取样本数据的局部特征，对阈值化图像识别结果误差进行修正，得到最终的土石料级配数据。

8.根据权利要求7所述的基于深度阈值卷积模型的土石料级配检测方法，其特征在于，所述步骤S4中对深度阈值卷积模型进行训练具体包括：

采用同一级配条件下，经多次翻整处理后形成的不同土石料图像作为识别样本，以多次识别的初始级配数据作为卷积神经网络的训练样本，以真实级配数据作为卷积神经网络的训练目标，对阈值化图像识别结果进行神经网络训练。

9.根据权利要求8所述的基于深度阈值卷积模型的土石料级配检测方法，其特征在于，所述步骤S4对深度阈值卷积模型的输出结果采用均方差损失函数进行误差分析，通过误差反向传播调整，得到修正后的土石料级配数据。

10.根据权利要求9所述的基于深度阈值卷积模型的土石料级配检测方法，其特征在于，所述均方差损失函数具体表示为：

其中，E表示均方差损失，e表示卷积神经网络的全连接层输出的预测结果，y表示真实级配数据，n表示所有输出结果的总数量。