[发明专利]基于深度学习的砂石图像粒径检测方法

权利要求书

1.一种基于深度学习的砂石图像粒径检测方法，其特征在于，包括如下步骤：

(10)砂石标注图像获取：对获得的原始砂石图像进行砂石边缘手工标记，得到砂石标注图像；

(20)初次分割：利用深度学习分割模型，学习训练砂石标注图像，测试模型，得到初次分割效果图；

(30)二值图像获取：对初次分割效果图进行二值化处理和形态学操作，得到二值图像；

(40)凹点手工标记：手工标记二值图像的凹点，得到凹点手工标记图像；

(50)凹点自动标记：利用深度学习标记模型，学习训练凹点手工标记图像，测试模型，得到凹点自动标记图像；

(60)凹点配对：对凹点自动标记图像进行凹点配对连接，得到分割完成且粘连分离的分割砂石图像；

(70)砂石粒径计算：根据分割砂石图像，计算砂石粒径大小。

2.根据权利要求1所述的粒径检测方法，其特征在于，所述(10)砂石标注图像获取步骤具体为：

使用相机拍照获得原始砂石图像，使用Photoshop进行手工标注砂石目标的边缘，其中砂石边缘标为红色，无效背景涂为蓝色，得到砂石标注图像。

3.根据权利要求1所述的粒径检测方法，其特征在于，所述(20)初次分割步骤具体为：

搭建一个基于全卷积的神经网络，利用砂石标注图像及其对应的原图作为训练样本，进行训练学习，得到深度学习分割模型，使用分割模型处理全新的砂石原图，得到初次分割效果图。

4.根据权利要求1所述的粒径检测方法，其特征在于，所述(30)二值图像获取步骤具体为：

对初次分割效果图进行二值化处理，即将砂石目标置为白色，其余无效背景置为黑色，然后进行腐蚀、膨胀等形态学操作，得到二值图像。

5.根据权利要求1所述的粒径检测方法，其特征在于，所述(40)凹点手工标记步骤具体为：

利用Photoshop工具软件，对二值图像上砂石与砂石之间粘连处的凹点进行手工标记。

6.根据权利要求1所述的粒径检测方法，其特征在于，所述(50)凹点自动标记步骤具体为：

搭建一个卷积神经网络模型，利用凹点手工标记图像作为训练样本进行训练学习，得到深度学习标记模型，使用标记模型处理新的未标记凹点的图像，得到凹点自动标记图像。

7.根据权利要求1所述的粒径检测方法，其特征在于，所述(60)凹点配对步骤具体为：

对凹点自动标记图像进行凹点配对连接，将砂石粘连处的凹点连线像素值设置为0，即设置为无效背景的黑色，得到分割完成且粘连分离的分割砂石图像。

8.根据权利要求1所述的粒径检测方法，其特征在于，所述(70)砂石粒径计算步骤包括：

(71)最长径计算：计算分割砂石图像中每个砂石目标的最长径；

(72)最长径进行筛选：选择砂石目标由大到小前70％的最长径作为有效数据；

(73)砂石粒径获取：计算最长径有效数据的均值，得到分割砂石图像中砂石目标粒径大小的平均值，作为砂石粒径大小。