[发明专利]一种基于UNET卷积神经网络的岩矿识别提取系统及方法

权利要求书

1.一种基于UNET卷积神经网络的岩矿识别提取系统，其特征在于，包括环境检测模块、图片剪裁模块、数据标注模块、数据集生成模块、训练与应用模块、图像转换模块、图片修改模块、晶体统计模块；

所述环境检测模块包括GPU检测单元，GPU检测单元用于检测当前计算机是否可以使用GPU进行加速计算，若是则将其余模块调度至GPU中进行相应计算；否则将其余模块调度至CPU中进行相应计算；

所述图片剪裁模块，用于将大于尺寸阈值的训练图片和目标图像按照设定份数进行切割剪裁，分别得到符合尺寸要求的训练图片和符合尺寸要求的目标图像；

所述数据标注模块，用于对符合尺寸要求的训练图片进行晶体标注，得到标注后的图片；

所述数据集生成模块，用于在标注后的图片的基础上进行数据增强形成数据集；

所述训练与应用模块，用于根据数据集进行UNET卷积神经网络训练，得到训练后的UNET卷积神经网络；通过训练后的UNET卷积神经网络对符合尺寸要求的目标图像进行晶体识别，得到识别后的图像；

所述图像 转换模块，用于获取识别后的图像中的黑色部分的位置，将目标图像中除该位置外的像素值赋值为255，得到转换后的图像；

所述图片修改模块，用于在修改后的图像中手动添加和/或删除内容，得到修改后的图像；

所述晶体统计模块，用于统计修改后的图像中晶体的像素面积，完成目标图像的岩矿识别提取。

2.根据权利要求1所述的基于UNET卷积神经网络的岩矿识别提取系统，其特征在于，环境检测模块还包括显存检测单元，显存检测单元用于检测GPU进行加速计算时是否出现显存不足，并在出现显存不足导致其余模块无法正常工作时通过任务管理器关闭基于UNET卷积神经网络的岩矿识别提取系统。

3.根据权利要求1所述的基于UNET卷积神经网络的岩矿识别提取系统，其特征在于，图片剪裁模块还包括Numpy库调用单元，Numpy库调用单元用于调用Numpy库按照设定份数进行切割剪裁。

4.根据权利要求1所述的基于UNET卷积神经网络的岩矿识别提取系统，其特征在于，数据标注模块还包括labelme调用单元，labelme调用单元用于调用labelme软件进行晶体标注，将标注后的图片保存为json格式。

5.根据权利要求1所述的基于UNET卷积神经网络的岩矿识别提取系统，其特征在于，数据集生成模块还包括水平垂直翻转单元、水平翻转单元和垂直翻转单元；

水平垂直翻转单元，用于在标注后的图片的基础上通过水平垂直翻转进行数据增强，将生成的数据的图像和标签分别保存在image和label文件夹中；

水平翻转单元，用于在标注后的图片的基础上通过水平翻转进行数据增强，将生成的数据的图像和标签分别保存在image和label文件夹中；

垂直翻转单元，用于在标注后的图片的基础上通过垂直翻转进行数据增强，将生成的数据的图像和标签分别保存在image和label文件夹中。

6.根据权利要求1所述的基于UNET卷积神经网络的岩矿识别提取系统，其特征在于，训练与应用模块包括训练单元和识别单元；

训练单元，用于以Adam为优化器，以BCEWithLogitsLoss为损失函数，自动按照0.85：0.15的比例将数据集自动分成训练集和测试集对UNET卷积神经网络进行训练，获取训练后的UNET卷积神经网络；并将训练过程以文字的形式展示训练后的UNET卷积神经网络在测试集上准确度、精确度、召回率、F1分数的变化；

识别单元，用于通过训练后的UNET卷积神经网络对符合尺寸要求的目标图像进行晶体识别，得到若干识别后的图像。

7.根据权利要求6所述的基于UNET卷积神经网络的岩矿识别提取系统，其特征在于，训练与应用模块还包括图像拼接单元，图像拼接模块用于根据图片剪裁模块在切割裁剪时的数据获取相邻图片的信息，通过相邻图片的信息对识别单元输出的图像进行多余部分去除，将去除多余部分的图像进行拼接，得到识别后的整体图像。