[发明专利]一种面向煤矸识别的人在回路主动感知方法

说明书

本发明公开了一种面向煤矸识别的人在回路主动感知方法，该方法包括：对煤矸石图像进行人工标定处理，得到初步的煤矸石标签图像；将初步的煤矸石标签图像输入至半监督主动学习模型进行迭代训练，得到训练后的半监督主动学习模型；根据所述训练后的半监督主动学习模型进行煤矸石图像识别处理，得到煤矸石分割图像。通过使用本发明，能够减轻人工对煤矸石图像进行标注的压力且提高了煤矸石图像的最终识别精度。本发明作为一种面向煤矸识别的人在回路主动感知方法，可广泛应用于计算机视觉技术领域。

技术领域

本发明涉及计算机视觉技术领域，尤其涉及一种面向煤矸识别的人在回路主动感知方法。

背景技术

随着科学技术的发展，越来越多的工厂实现了现代化生产和制造，研究者们发现使用深度学习机器视觉技术相较于传统方法来进行煤矸石的分选可以有效的提高分选效率，减少人力成本，这对于推动煤炭行业的发展改革，具有重要的意义和市场价值，深度学习推动了应用的爆炸式增长，然而训练深度神经网络通常需要昂贵的人工注释，在煤矿生产现场每天会产生成千上万张图像，而采集后的数据标定问题也牵扯大量的人工成本，全部由人为进行标注会造成不必要的劳动力和资源的浪费，而且网络模型由于固定标定的少量数据训练往往不具备自我调整网络结构的能力，必须牵扯大量人为调整修改，另外图像标注需要经验丰富的工人进行操作，标注也会存在主观上的错误判断导致图像标注失误，上述问题均使得在复杂环境下，深度学习煤矸石智能分选涉及大量的人工成本花销在数据标注与模型调整中，无疑对智能分选技术应用与推广带来重大挑战，且传统机器视觉方法实现煤矸石识别的场景而得到的深度学习网络模型，往往需要使用大量的数据训练模型，且训练模型所使用的的数据固定且没有更新，从而增加了额外的开发周期。

发明内容

为了解决上述技术问题，本发明的目的是提供一种面向煤矸识别的人在回路主动感知方法，能够减轻人工对煤矸石图像进行标注的压力且提高了煤矸石图像的最终识别精度。

本发明所采用的第一技术方案是：一种面向煤矸识别的人在回路主动感知方法，包括以下步骤：

对煤矸石图像进行人工标定处理，得到初步的煤矸石标签图像；

将初步的煤矸石标签图像输入至半监督主动学习模型进行迭代训练，得到训练后的半监督主动学习模型；

根据所述训练后的半监督主动学习模型进行煤矸石图像识别处理，得到煤矸石分割图像。

进一步，所述对煤矸石图像进行人工标定处理，得到初步的煤矸石标签图像这一步骤，其具体包括：

通过相机对现场煤矸石进行拍摄处理，得到煤矸石图像；

通过人工方法，对煤矸石图像中的煤块和煤矸石进行区别标定处理，得到初步的煤矸石标签图像。

进一步，所述将初步的煤矸石标签图像输入至半监督主动学习模型进行迭代训练，得到训练后的半监督主动学习模型这一步骤，其具体包括：

将初步的煤矸石标签图像输入至半监督主动学习模型；

基于半监督主动学习模型的主干网络，对初步的煤矸石标签图像进行特征提取处理，得到特征煤矸石标签图像；

基于半监督主动学习模型的还原网络，对特征煤矸石标签图像进行特征融合处理，得到融合后的特征煤矸石标签图像；

基于半监督主动学习模型的卷积层，对融合后的特征煤矸石标签图像进行卷积操作处理，得到训练结果；

根据训练结果判断，判断到所述训练结果满足预设条件，得到训练后的半监督主动学习模型。

进一步，所述基于半监督主动学习模型的主干网络，对初步的煤矸石标签图像进行特征提取处理，得到特征煤矸石标签图像这一步骤，其具体包括：