[发明专利]基于深度学习的石料自动分级方法与系统

说明书

本发明公开了一种基于深度学习的石料自动分级方法与系统，该方法是采用石料图片质量评估模块、石料分级特征提取模块和石料分级数据拟合模块实现工业皮带高速运输场景石料自动分级任务，石料图片质量评估模块是一个基于多层次特征的残差神经网络，用于对图片质量进行评估筛选高质量动态帧；石料分级特征提取模块是一个基于数字图像处理的采用分水岭算法和凹点检测算法的分割模块，用于对筛选后图片进行石料分级特征信息提取；石料分级数据拟合模块是一个改进的多层感知机，用于对初始石料分级特征结果进行数据拟合修正误差。本发明具有更高的精度以及在不同背景下有更好的泛化能力，对于不同类型的石料运输场景均能进行准确检测。

技术领域

本发明涉及数字图像处理、深度学习和计算机视觉的技术领域，尤其是指一种基于深度学习的石料自动分级方法与系统。

背景技术

石料分级是根据石头骨料粒径大小将其分成不同等级，即石头级配。石头用途十分广泛，常用于建筑、道路、铁路等领域。在建筑学中，由于不同粒度大小的石料其作用不一致，因此石料在使用前需要进行粒径筛选，石料分级不仅能满足建筑工程的需要，而且能为企业降本增效。现有的石料分级方法有筛分法、沉降法、显微镜法、超声波测量法和直接在线测量法，比较常用的筛分法检测过程是指通过利用具有不同筛孔大小的筛分工具将待测的石料颗粒通过筛网筛分成多个粒度等级，把能够通过筛孔的石料叫做筛下，不能够通过筛孔的称为筛余。然后对通过筛孔的各个不同粒级的石料进行分别称重，计算每个粒级的质量占总石料质量的百分比，以此来表示石料颗粒粒度的分布情况。然而这种筛分法是一项非常繁琐且耗时的事情，不利于企业生产需求。随着数字图像处理技术和计算机视觉技术的日益成熟，自动化石料分级方法能够更好地帮助企业工程生产和优化公司成员配置，提高建筑工程的生产效率并为潜在的偏差和异常生成预警提示。

然而，在皮带高速运转且有微震的场景下对石料进行准确而快速的自动分级仍然是一项艰巨的任务。首先，由于安装在皮带上的工业摄像头会随着皮带震动会发生微小位置偏移，拍摄出来的石料视频会不可避免地存在一些无效帧和模糊帧。其次，皮带的快速移动不可避免会造成拍摄画面模糊。第三，空皮带上无石料运输会导致拍摄到画面没有石料判定为空状态，加大了石料的自动分级难度。

早期的石料分级方法大都是依靠人工筛分方法对石料进行简单分级，但这些方法的通病是成本高且耗费人工，提取的石料颗粒粒度的分布情况不理想。随后数字图像处理技术、深度学习和计算机视觉技术的涌现，效率高于传统的手动分级方法，且准确率也很有竞争力。相比于传统的手动石料分级方法而言，基于深度学习和图像处理技术的石料自动分级方法通过实时提取初始石料分级特征并进行误差修改实现自动化的分级过程，而无需人工筛分实验。由于皮带高速运转并带有微小震动，所以石料清晰图像的采集是实现自动预测石料分级的前提和基础。基于凹点检测的图像分割算法已被证明可以对粘连颗粒进行分割，能够成功应用于石料分级任务中，得到表层的石料粒度分布。但图像分割算法对清晰的石料图像进行分割得到表层的石料粒度分布无法获取这批石料的深度粒度分布，影响着石料自动预测分级的准确性。基于石料无法获取石料深度粒度分布和实时检测的限制，本发明提出基于深度学习的石料自动分级方法，能够通过表层的砂石粒度分布来预测皮带上石料堆叠的情况下整体石料粒度分布，大大提升了石料各个分级的准确率。

综合以上论述，发明一种具备实时性和高精度的石料自动分级方法具有较高的实用价值。

发明内容

本发明的第一目的在于克服现有技术的缺点与不足，无法获取石料深度粒度分布和无法实时检测的问题，提供一种基于深度学习的石料自动分级方法，使用多层次特征的残差神经网络和改进的多层感知机实现石料自动分级任务，具有更高的精度以及在不同背景下有更好的泛化能力，对于不同类型的石料运输场景均能进行准确检测。

本发明的第二目的在于提供一种基于深度学习的石料自动分级系统。