[发明专利]基于深度学习的复杂河流环境下泥沙颗粒识别方法及装置

权利要求书

1.一种基于深度学习的复杂河流环境下泥沙颗粒识别方法，其特征在于，包括：

采集复杂河流环境下泥沙颗粒的原始图像；

对所述原始图像进行处理，生成所述原始图像对应的逆时针旋转90°图像、水平翻转图像、弱形变图像和强形变图像；

将所述原始图像及所述原始图像对应的逆时针旋转90°图像、水平翻转图像、弱形变图像和强形变图像输入至预先训练好的泥沙颗粒识别模型中，输出所述原始图像对应的五个泥沙颗粒识别结果，其中，所述泥沙颗粒识别模型为对U-net模型进行机器学习训练得到的模型；

根据所述原始图像对应的五个泥沙颗粒识别结果，确定所述原始图像最终的泥沙颗粒识别结果。

2.如权利要求1所述的方法，其特征在于，在将所述原始图像及所述原始图像对应的逆时针旋转90°图像、水平翻转图像、弱形变图像和强形变图像输入至预先训练好的泥沙颗粒识别模型中，输出所述原始图像对应的五个泥沙颗粒识别结果之前，所述方法还包括：

将所述原始图像及所述原始图像对应的逆时针旋转90°图像、水平翻转图像、弱形变图像和强形变图像进行分割，得到每种图像对应的多个图像碎片；

其中，将所述原始图像及所述原始图像对应的逆时针旋转90°图像、水平翻转图像、弱形变图像和强形变图像输入至预先训练好的泥沙颗粒识别模型中，输出所述原始图像对应的五个泥沙颗粒识别结果，包括：将所述原始图像、所述逆时针旋转90°图像、所述水平翻转图像、所述弱形变图像和所述强形变图像对应的多个图像碎片，输入至预先训练好的泥沙颗粒识别模型中，输出每个图像碎片对应的五个泥沙颗粒识别结果；根据每个图像碎片对应的五个泥沙颗粒识别结果，重组生成所述原始图像对应的五个泥沙颗粒识别结果。

3.如权利要求1所述的方法，其特征在于，在采集复杂河流环境下泥沙颗粒的原始图像之后，所述方法还包括：

使用对比度滤波器对原始图像进行处理，增强原始图像中泥沙颗粒的对比度。

4.如权利要求1所述的方法，其特征在于，在将多个图像碎片的泥沙颗粒识别结果重组为原始图像大小的泥沙颗粒图像之后，所述方法还包括：

使用分水岭算法，对泥沙颗粒图像中的泥沙颗粒进行分割处理。

5.如权利要求4所述的方法，其特征在于，在将多个图像碎片的泥沙颗粒识别结果重组为原始图像大小的泥沙颗粒图像之后，所述方法还包括：

填充泥沙颗粒图像中泥沙颗粒内部的空洞；

过滤掉泥沙颗粒图像中尺寸小于预设像素阈值的泥沙颗粒；

使用反集水区算法收窄泥沙颗粒的间隙；

将距离每个泥沙颗粒边界最大距离的点确定为每个泥沙颗粒的颗粒重心；

其中，使用分水岭算法，对泥沙颗粒图像中的泥沙颗粒进行分割处理，包括：使用分水岭算法，根据每个泥沙颗粒的颗粒重心，对泥沙颗粒图像中的每个泥沙颗粒进行分割处理。

6.一种基于深度学习的复杂河流环境下泥沙颗粒识别装置，其特征在于，包括：

图像采集模块，用于采集复杂河流环境下泥沙颗粒的原始图像；

图像处理模块，用于对所述原始图像进行处理，生成所述原始图像对应的逆时针旋转90°图像、水平翻转图像、弱形变图像和强形变图像；

泥沙颗粒识别模块，用于将所述原始图像及所述原始图像对应的逆时针旋转90°图像、水平翻转图像、弱形变图像和强形变图像输入至预先训练好的泥沙颗粒识别模型中，输出所述原始图像对应的五个泥沙颗粒识别结果，其中，所述泥沙颗粒识别模型为对U-net模型进行机器学习训练得到的模型；

泥沙颗粒识别结果处理模块，用于根据所述原始图像对应的五个泥沙颗粒识别结果，确定所述原始图像最终的泥沙颗粒识别结果。