[发明专利]一种基于图像和深度神经网络的矿石粒度分级方法及系统

权利要求书

1.一种基于图像和深度神经网络的矿石粒度检测方法，其特征在于包括以下步骤：

步骤1、计算机控制系统通过摄像机分别获取给矿皮带机和受矿皮带机输送过程中的矿石图像数据，分别构建矿石粒度训练样本集；

步骤2、在计算机中采用图像处理方法对训练样本集进行图像预处理，增强图像和降低噪声；

步骤3、通过预训练模型采样技术获得优化的训练样本集并进行多次迭代训练得到模型；

在所述的步骤S3中，预训练模型采样技术包括如下具体步骤：

步骤3.1、首先选用三张标注标签的大粒度矿石图像数据作为预训练所用的训练样本集，目的是初始化权值；

步骤3.2、经过多轮矿石粒度由大到小的持续标注并加入到首批预训练，获得了包括各种矿石粒度的首批训练样本集；

步骤3.3、使用首批训练样本集，作第二批预训练，加大训练轮数，直至获得分割准确率≥85％的初版预训练模型；

步骤3.4、对预训练模型获得预测结果较差的图像，进行手工标注再加入数据集中进行训练，如此多轮迭代，最后训练集分割准确率达到≥95％，停止训练，得到训练样本集和U-NET网络模型；

步骤4、应用得到的优化U-NET网络模型对矿石图像进行矿石粒度分割；

步骤5、对图像分割结果进行粒度统计计算，得到矿石直径和粒度分布，在所述的步骤S5中，矿石直径和粒度分布计算公式如下：

矿石直径D_i计算公式：其中，第i个矿石的面积S_i＝m*G，m表示图像中第i个矿石占有的像素个数，G表示每个像素对应的矿石实际尺寸；

为了表示粒度分布，从小到大按一定的规则选多个代表粒径,D₁,D_2,…D_n组成一定的粒径区间[D₁,D₂],…，[D_n-1,D_n]，采用矿石颗粒的数目分布表征颗粒群的频度分布其中：

2.根据权利要求1所述的一种基于图像和深度神经网络的矿石粒度检测方法，其特征在于，在所述的步骤S2中，包括如下具体步骤：

步骤2.1、对采集到的图像进行灰度化处理，以减少原始图像的数据量；

步骤2.2、对灰度化处理后的图像进行ROI感兴趣区域提取；

步骤2.3、对提取出来的感兴趣区域进行中值滤波，以减少图像中的椒盐噪声和随机噪声；

步骤2.4、对中值滤波后的图像进行双边滤波，在保留完整矿石边界图像的同时去除噪声；

步骤2.5、对双边滤波后的图像进行直方图均衡化，以重新分布该图像的亮度，增强矿石区域的亮度，并降低非矿石区域的亮度，同时增强该图像的局部对比度，强化矿石的边缘。

3.根据权利要求1所述的基于图像和深度神经网络的矿石粒度检测方法的矿石粒度检测系统，包括破碎机、设置在破碎机上方的给矿皮带机、设置在破碎机下方的受矿皮带机和计算机控制系统，其特征在于：在给矿皮带机尾部上方和受矿皮带机头部上方分别设置摄像机，所述的摄像机与计算机控制系统电性相连。

4.根据权利要求3所述的基于图像和深度神经网络的矿石粒度检测方法的矿石粒度检测系统，其特征在于，在所述的计算机控制系统中，计算机的CPU内存容量大于16GB，显卡显存大于8GB，配置有U-NET深度网络模型软件。