[发明专利]一种基于mask rcnn的堆叠粗骨料图像分割方法及系统

说明书

本发明提供了工程机械领域的一种基于maskrcnn的堆叠粗骨料图像分割方法及系统，所述方法包括：通过CCD相机拍摄粗骨料颗粒图片，然后将图片传送到计算机中；通过标注工具对图像进行标注得到训练所需的粗骨料图像数据集；使用maskrcnn模型对现有的coco数据集进行训练得到权重作为初始模型；在初始模型的基础上训练粗骨料图像数据集得到最终需要的图像分割权重及图像分割模型；将采集到的待处理图像输入到所述图像分割模型中进行处理得到分割后的图像；统计所述分割后的图像中每一个粗骨料颗粒的面积；根据粗骨料颗粒的面积计算粗骨料各级配占比。本发明通过得到性能优良的分割模型，提高分割准确度，同时可适应不同工作环境。

技术领域

本发明涉及工程机械领域，特别指一种基于mask rcnn的堆叠粗骨料图像分割方法及系统。

背景技术

随着计算机技术快速发展，智能图像处理技术在矿业、工业、农业、医疗等领域自动化处理中应用越来越广泛，但是这类图像往往伴随着颗粒相互粘连甚至堆叠的情况，这给图像的分析增加了难度，因此寻找一种能将粘连或堆叠颗粒快速分割的方法十分重要。

近几年，研究人员不断地研究如何利用计算机视觉技术来解决实际工程中遇到的难题，涌现出越来越多的图像处理算法，并针对颗粒粘连情况，不少科研人员开始研究图像分割算法。由于图片种类、研究对象各式各样，出现了大量的分割算法，通过对这些算法的特征分析，主要归为以下几类：阈值处理、边缘检测、分水岭分割算法和多种算法组合的图像分割。

阈值分割的基本思想是基于图像的灰度特征来计算一个或多个灰度阈值，并将图像中每个像素的灰度值与阈值作比较，最后将像素根据比较结果分到合适的类别中。因此，该方法最关键的就是按照某个准则函数来求得最佳灰度阈值；边缘检测的图像分割算法通过检测包含不同区域的边缘来实现分割，该算法受图像质量影响大，且分割后不能保证边缘的连续性和封闭性；分水岭分割方法是一种拓扑理论的数学形态学分割，其基本思想是把图像看作是测地学上的拓扑地貌，图像上每一点像素的灰度值表示该点的海拔高度，每一个极小值及其影响区域被称为集水盆，而水盆的边界则形成分水岭。分水岭对微弱边缘具有良好的响应，但是图像中的噪声、物体表面细微的灰度变化都有可能产生过分割现象；多种算法组合的分割方法结合了不同的分割算法的优点，能够实现更优的分割效果，但仍有许多不足之处没有解决。粘连颗粒图像由于存在差异性和复杂型，很难有一种良好的分割方法可应用于不同场景，每一种颗粒图像分割方法都需要综合考虑分割对象种类、特征及应用环境，这给实际工程应用带来不便。

发明内容

本发明要解决的技术问题，在于提供一种基于mask rcnn的堆叠粗骨料图像分割方法及系统，解决传统的分割方法在应用时对粗骨料种类、表面特征和生产环境的适应性低等问题，同时提高分割准确度。

第一方面，本发明提供了一种基于maskrcnn的堆叠粗骨料图像分割方法，所述方法包括如下步骤：

步骤S10、通过CCD相机拍摄粗骨料颗粒图片，然后将图片传送到计算机中；

步骤S20、通过标注工具对图像进行标注得到训练所需的粗骨料图像数据集；

步骤S30、使用mask rcnn模型对现有的coco数据集进行训练得到权重作为初始模型；

步骤S40、在初始模型的基础上训练粗骨料图像数据集得到最终需要的图像分割权重及图像分割模型；

步骤S50、将采集到的待处理图像输入到所述图像分割模型中进行处理得到分割后的图像；

步骤S60、统计所述分割后的图像中每一个粗骨料颗粒的面积；

步骤S70、根据粗骨料颗粒的面积计算粗骨料各级配占比。

进一步的，所述步骤S20的标注工具采用labelme软件，通过使用多边形框的方法依次对粗骨料轮廓边缘进行框选，形成闭合空间，将所述闭合空间命名为“aggregate”，制作粗骨料数据集。