[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

说明书

本发明公开了一种基于UNET卷积神经网络的岩矿识别提取系统及方法，系统包括环境检测模块、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。本发明提供了深度学习环境的配置、数据集的标注与生成、模型的训练与应用、手动修改结果、按尺寸筛选晶体、提取单晶图、计算单晶体面积等功能，提供了一整套工具，极大的方便了开发人员。

技术领域

本发明涉及岩矿识别提取领域，具体涉及一种基于UNET卷积神经网络的岩矿识别提取系统及方法。

背景技术

目前，深度学习发展迅速，应用领域广泛，但是要迅速开展一个项目，往往需要从头开始编写代码，这需要一定的时间去设计、开发软件。深度学习图像分割技术在晶体提取上面具有较大的优势，其准确率较传统图像分割技术有大幅提升，但是目前很少有专门用于晶体图像提取的系统，也缺少用于晶体提取的配套工具。若从头开始编写程序及其配套工具，这将为研究人员增加较大的负担，并将花费大量的时间。

发明内容

针对现有技术中的上述不足，本发明提供的一种基于UNET卷积神经网络的岩矿识别提取系统及方法解决了本领域缺少用于晶体图像提取的系统的问题。

为了达到上述发明目的，本发明采用的技术方案为：

提供一种基于UNET卷积神经网络的岩矿识别提取系统，其包括环境检测模块、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；

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；

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；

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；

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；

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；

图片转换模块，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；

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；

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。

进一步地，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。

进一步地，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。

进一步地，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。

进一步地，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；