[发明专利]基于改进Mask_Rcnn的砂石骨料图像分割方法

说明书

本发明公开了一种基于改进Mask_Rcnn的砂石骨料图像分割方法。包括如下步骤：建立初始砂石骨料图像数据集；数据标注增强，获得增强砂石骨料图像数据集，合并建立扩展砂石骨料图像数据集；数据处理，划分为训练集和测试集；搭建改进Mask_Rcnn算法模型，并将训练集和测试集输入训练测试；将相机新拍摄的砂石骨料图像，输入到训练测试完成的改进Mask_Rcnn算法模型中，经处理后输出图像分割结果。本发明方法更好地保留了砂石骨料图像的边缘信息，利用改进Mask_Rcnn模型，进一步削弱骨料之间相互连接和遮挡以及部分骨料边缘不明确给分割带来的不利影响，提高了算法模型的分割速度与精度。

技术领域

本发明涉及图像分割方法，具体涉及一种基于改进Mask_Rcnn的砂石骨料图像分割方法。

背景技术

混凝土作为建筑行业最基本，最主要的原材料之一，其质量直接决定着整个建筑工程的质量。而砂石骨料作为混凝土的主要组成成分之一，其各方面的性能对混凝土有着直接的影响，其中以颗粒级配和最大粒径这两个参数对混凝土性能的影响最为显著，因此，对于砂石骨料粒径识别的研究对改善混凝土性能和提高建筑工程质量有着重要的实际意义。

传统砂石粒径检测方法，例如手工抽样测量，砂石筛分机筛分等的准确度和效率已无法满足当今社会的需求，而随着图像识别技术的快速发展，其逐渐被应用到了对砂石骨料粒径识别的研究中，其核心在于对砂石骨料图像的分割，但由于砂石骨料图像中骨料之间紧密相连，存在遮挡现象，且图像中两块骨料的像素点差异较小，传统的图像分割方法并不适用于对砂石骨料图像的分割，继续提高其分割准确度以及分割速度仍然是今后研究的目标。

发明内容

为了解决背景技术中存在的问题，针对砂石骨料紧密相连和相互遮挡，且有时在图像中其边缘不明确导致其分割准确率难以上升的问题，本发明提供了一种基于改进Mask_Rcnn的砂石骨料图像分割方法。

本发明采用的技术方案是：

方法包括如下步骤：

1)利用相机采集初始砂石骨料图像，建立初始砂石骨料图像数据集。

2)将初始砂石骨料图像数据集依次进行数据标注与数据增强，获得增强砂石骨料图像数据集，将增强砂石骨料图像数据集加入初始砂石骨料图像数据集中建立扩展砂石骨料图像数据集。

3)对扩展砂石骨料图像数据集依次采用直方图均衡化、梯度域引导滤波与Z-score标准化等方法进行数据的处理，获得归一化滤波输出图数据集，并划分为训练集和测试集。

4)在原Mask_Rcnn算法模型的主干特征提取网络的ResNet网络中和FPN网络后，分别融入MAC模块和添加SA注意力机制模块。

将原Mask_Rcnn算法模型的候选区域提取网络RPN网络，替换为R-RPN网络。

进而搭建改进Mask_Rcnn算法模型，并将训练集和测试集输入改进Mask_Rcnn算法模型中进行训练和测试。

5)利用相机采集待处理的砂石骨料图像，将砂石骨料图像输入到训练测试完成的改进Mask_Rcnn算法模型中，经处理后输出砂石骨料图像的图像分割结果。

所述步骤1)中，采集初始砂石骨料图像时，将相机固定于拍摄区域上方支架上，并且调整相机焦距直至显示清晰；将不同尺寸的砂石平铺在拍摄区域内，在拍摄过程中，调整砂石的位置和形态，同时改变砂石的干湿度和光照强度等条件，进行多次拍摄，采集若干张初始砂石骨料图像，初始砂石骨料图像为灰度图像；具体实施中采集到120张不同的初始砂石骨料图像并建立初始砂石骨料图像数据集；改变砂石的状态和拍摄条件以获得更加丰富的砂石骨料图像数据集，使用该数据集训练出的算法模型具有更高的鲁棒性。