[发明专利]基于图像检测的煤矸识别方法

权利要求书

1.一种基于图像检测的煤矸识别方法，其特征在于：包括：

将煤矸图像的训练样本输入到卷积神经网络中对卷积神经网络进行训练；

采集实时煤矸图像，将实时煤矸图像输入到经过训练的卷积神经网络进行识别，输出识别结果；

将识别结果进行背景识别处理，识别出煤块。

2.根据权利要求1所述基于图像检测的煤矸识别方法，其特征在于：在煤矸图像的训练样本输入到卷积神经网络之前对训练样本进行预处理，包括：

对训练样本图像进行处理，提取出煤矸边界框；

对煤矸边界框进行分类标记，其中边界框分类包括：特征明显煤块、特征不明显煤块、特征明显石块、特征不明显石块以及煤矸石。

3.根据权利要求1所述基于图像检测的煤矸识别方法，其特征在于：对卷积神经网络进行训练前对卷积神经网络进行预处理，包括：

构建卷积神经网络的激活函数：

Mish＝x*tanh(ln(1+e^x))；其中，Mish为函数输出值，x为卷积神经网络的神经元输入参数；

设置卷积神经网络的YOLOv5网络结构：

将卷积神经网络中的CSPDarknet53结构设定为两个预测分支，其中一个预测分支特征为38*38*N，另一预测分支为19*19*N，其中，N为设定值；

扩大卷积神经网络的卷积核数量为初始卷积核数量的1.2-1.8倍。

4.根据权利要求1所述基于图像检测的煤矸识别方法，其特征在于：卷积神经网络在训练过程中还包括：

对训练样本图像进行水平翻转、裁剪、几何变换以及马赛克操作。

5.根据权利要求1所述基于图像检测的煤矸识别方法，其特征在于：在采集煤矸图像时，对相邻两帧图像采集时间间隔满足：0＜t＜h1/v，其中，t为相邻两帧图像采集时间间隔，h1为图像检测区域的高度，v为输送煤块的传输带的速度。

6.根据权利要求1所述基于图像检测的煤矸识别方法，其特征在于：将识别结果进行背景识别处理具体包括：

获取训练样本图像中煤块边界框的深度信息；

基于煤块边界框的深度信息进行统计处理，得到深度阈值范围(K1，K2)；

对识别结果的煤块边界框进行二值化处理：

其中，M(x,y)为边界框图像对应的分割结果，f(x,y)为煤块边界框内像素(x，y)的深度值；

将煤块边界框经过二值化处理后的图像进行边界轮廓提取，判断边界轮廓最小外接矩形面积是否大于设定阈值，如是，则表明当前煤炭边界框的图像为对应的实物为煤炭。