[发明专利]掌子面地质检测方法

权利要求书

1.一种掌子面地质情况检测方法，其特征在于，包括：

调用预先训练好的图像实例分割模型分析待识别岩渣图像，得到实体渣土中各岩渣对应在所述待识别岩渣图像中的轮廓数据和初始分类结果；

根据所述轮廓数据计算块状岩渣、片状岩渣和岩粉在所述实体渣土中的含量值；

根据所述含量值和所述初始分类结果确定正在掘进的掌子面所属地质级别；

其中，所述图像实例分割模型为基于深度学习算法，利用样本数据集训练图像实例分割神经网络所得，所述样本数据集包括多个不同地质级别的岩渣样本图像，各岩渣样本图像均设置地质类别标签且在图像中标记块状岩渣和片状岩渣的轮廓；所述初始分类结果为所述实体渣土隶属各级地质级别的概率值。

2.根据权利要求1所述的掌子面地质情况检测方法，其特征在于，所述调用预先训练好的图像实例分割模型分析待识别岩渣图像之前，还包括：

通过摄像机采集皮带机的出渣图像，以作为待识别岩渣图像；

对所述待识别岩渣图像进行图像预处理，以得到满足预设尺寸和图像质量条件的待处理岩渣图像；

将所述待处理岩渣图像按照预设输入数据格式转化为像素矩阵，以用于作为所述图像实例分割模型的输入数据。

3.根据权利要求2所述的掌子面地质情况检测方法，其特征在于，所述对所述待识别岩渣图像进行图像预处理包括：

对所述待识别岩渣图像尺寸进行裁剪处理，得到裁剪岩渣图像；

对所述裁剪岩渣图像进行图像增强处理，得到满足预设成像质量条件的岩渣图像；

对所述满足预设成像质量条件的岩渣图像进行图像压缩处理，得到压缩岩渣图像；

对所述压缩岩渣图像进行灰度化和归一化处理，得到待处理岩渣图像。

4.根据权利要求1所述的掌子面地质情况检测方法，其特征在于，所述根据所述轮廓数据计算块状岩渣、片状岩渣和岩粉在所述实体渣土中的含量值包括：

所述实体渣土由所述块状岩渣、所述片状岩渣和所述岩粉组成，所述实体渣土中除片状岩渣含量和块状岩渣含量之外，剩余含量均为岩粉含量；

计算片状岩渣所有轮廓区域在所述待识别岩渣图像中所占的像素数与单像素对应的实际面积之积，得到片状岩渣含量值；

计算块状岩渣所有轮廓区域在所述待识别岩渣图像中所占的像素数与单像素对应的实际面积之积，得到块状岩渣含量值。

5.根据权利要求1至4任意一项所述的掌子面地质情况检测方法，其特征在于，所述图像实例分割模型训练过程包括：

对获取的各初始岩渣图像进行图像预处理，得到满足预设尺寸和图像质量条件的岩渣样本图像；按照岩渣特性将各岩渣样本图像分类至相应地质类别数据集，为各岩渣样本图像设置地质类别标签，并在图像中标记块状岩渣和片状岩渣的轮廓；按照预设训练样本和测试样本比例值将所有类别数据集划分为训练样本数据集和测试样本数据集；

基于tensorflow深度学习底层架构，搭建Mask R-CNN图像实例分割神经网络，设置网络模型参数；将所述训练样本数据集输入所述Mask R-CNN图像实例分割神经网络进行模型训练和测试验证，并根据分类结果准确度修改每层神经元数目、神经元尺寸、目标函数和优化器参数重新训练模型直至满足训练结束条件；

将训练好的图像实例分割模型按照预设文件存储格式进行存储。

6.根据权利要求5所述的掌子面地质情况检测方法，其特征在于，所述按照岩渣特性将各岩渣样本图像分类至相应地质类别数据集包括：

根据当前岩渣样本图像对应的实体渣土所属地质级别将所述当前岩渣样本图像归类至相应地质类别数据集中；第一类地质级别数据集包括Ⅰ类围岩和Ⅱ类围岩的岩渣图像，第二类地质级别数据集包括Ⅲ类围岩的岩渣图像，第三类地质级别数据集包括Ⅳ类围岩的岩渣图像，第四类地质级别数据集包括Ⅴ类围岩的岩渣图像；

若无法直接将所述当前岩渣样本图像归类至相应地质类别数据集中，计算各岩渣样本图像对应实体渣土中片状岩渣、块状岩渣和岩粉的含量值；

若当前岩渣样本图像对应的实体渣土中的片状岩渣含量值大于第一含量阈值且岩粉含量值在第一含量范围内，将所述当前岩渣样本图像分类至所述第一类地质级别数据集；若当前岩渣样本图像对应的实体渣土中的片状岩渣含量值在第二含量范围且块状岩渣含量值在第三含量范围内，将所述当前岩渣样本图像分类至所述第二类地质级别数据集；所述第二含量范围的最小端点值大于所述第三含量范围的最大端点值；若当前岩渣样本图像对应的实体渣土中的块状岩渣含量值在第四含量范围内，将所述当前岩渣样本图像分类至所述第三类地质级别数据集；将不满足所述第一类地质级别数据集、所述第二类地质级别数据集和所述第三类地质级别数据集的岩渣样本图像分类至所述第四类地质级别数据集。