[发明专利]基于深度学习的砂石图像粒径检测方法

说明书

本发明公开一种基于深度学习的砂石图像粒径检测方法，包括步骤：(10)砂石标注图像获取：手工标记原始砂石图像，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，得到凹点自动标记图像；(60)凹点配对：配对连接凹点，得到分割砂石图像；(70)砂石粒径计算：根据分割砂石图像，计算砂石粒径大小。本发明的检测方法，砂石目标分割准确，粒径检测速度快、精度高。

技术领域

本发明属于复杂微小目标检测技术领域，特别是一种砂石目标分割效果好、检测速度快、精度高的基于深度学习的砂石图像粒径检测方法。

背景技术

不同粒径的碎石按照一定比例混合起来，达到符合要求的密实度，就称这些碎石为级配碎石。在对不同粒径大小进行混合之前，首先要做的就是要获得砂石的粒径大小。因此，良好的砂石目标分割方法将影响着砂石粒径大小的计算精度，这将对后期的砂石混合精确度起着至关重要的影响。

传统的砂石粒径大小检测方法，通过人工抽样进行检测，耗时费力；或者是通过工业砂石筛分机进行筛分，获得的结果较为粗略，并不能获得砂石粒径的大小数据，因此将会影响后期的砂石级配的精度。从计算机视觉的角度出发，利用图像处理技术可以快速的将砂石图像砂石目标分割开来。针对砂石图像的图像处理方法有很多，但如何对砂石目标个体进行分割，得到每个独立的砂石目标是问题的关键。

图像分割是由图像处理到图像分析的关键步骤。由于砂石图像与普通的图像有着较大的差别，其微小砂石目标紧密的连接在一起且互相遮挡，所以直接使用传统的图像分割方法可能会与预期结果又较大的差别。

总之，现有技术存在的问题是：砂石图像砂石目标分割效果差，导致砂石粒径检测速度慢、精度不够高。

发明内容

本发明的目的在于提供一种基于深度学习的砂石图像粒径检测方法，砂石目标分割效果好、检测速度快、精度高。

实现本发明目的的技术解决方案为：

一种基于深度学习的砂石图像粒径检测方法，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。

本发明与现有技术相比，其显著优点为：

1、检测速度快、精度高：本发明对砂石图像砂石目标进行分割与分离，使用分割结果图计算砂石目标的粒径大小，可有效提升砂石粒径大小计算的速度和精确度，提升了工业上不同砂石粒径大小的砂石进行混合的精度，间接的提高了工程建设的质量。