[发明专利]基于深度神经网络的煤矸石图像分割方法、装置及设备

说明书

本申请公开了一种基于深度神经网络的煤矸石图像分割方法、装置及设备，可解决在采用传统方法进行煤矸石图像分割时，容易发生误分割，无法同时满足快速性和准确性工业需求的技术问题。包括：获取待进行图像分割的伪双能X射线煤矸石图像，并将伪双能X射线煤矸石图像中的低能射线图像和高能射线图像合并为两通道图像；利用深度学习分割模型提取两通道图像的语义特征，并依据语义特征输出煤矸石图像分割结果的概率分布值，其中，语义特征用于表示煤矸区域像素点同背景区域像素点之间的关系；根据煤矸石图像分割结果的概率分布值确定伪双能X射线煤矸石图像中包含的所有煤矸区域；基于所有煤矸区域进行图像后处理，得到最终的煤矸石图像分割结果。

技术领域

本申请涉及煤矸石图像分割技术领域，尤其涉及到一种基于深度神经网络的煤矸石图像分割方法、装置及设备。

背景技术

煤矸分选是提高煤质、高效利用煤炭资源、实现绿色节能开采与加工的重要途径。相较于传统分选方法，利用两组探测器以及一组滤波铜片搭建的伪双能X射线系统采集获取伪双能X射线图像，进而利用X射线穿透均匀分布的物质时，不同物质对X射线吸收的线系数不同的原理来实现煤与矸石的分选是目前煤矸分选技术领域常见的方法之一。

通常，由于实际开采的煤与矸石形态各异加之煤矸在输送过程中排布紧密，采集到的X射线图像往往会存在煤矸紧贴和遮挡的情况，而这些区域若不进行分析和处理则会导致后续识别精度的下降。为此，可以通过图像分割方法来解决这一问题，即通过分割结果获得X射线图像中所有煤与矸石的位置及数量信息。

目前，受限于工业现场生产环境及效率的影响，绝大多数X射线图像中紧贴和遮挡煤块(或矸石)区域的分割方法都采用传统图像处理算法(如分水岭分割、阈值分割、K-Means聚类等)进行分割。这些基于传统图像处理算法的分割方法都难以有效地将X射线图像中紧贴和遮挡的煤块(或矸石)区域分割开，极易造成将多个煤块(或矸石)分割为一个的欠分割情况或是将一个煤块(或矸石)误分割为多个的过分割情况。进而无法同时满足实际工业生产过程所要求的快速性和准确性需求。

发明内容

有鉴于此，本申请提供了一种基于深度神经网络的煤矸石图像分割方法、装置及设备，可解决在采用传统图像处理算法进行煤矸石图像分割时，容易发生误分割，无法同时满足实际工业生产过程所要求的快速性和准确性需求的技术问题。

根据本申请的一个方面，提供了一种基于深度神经网络的煤矸石图像分割方法，该方法包括：

获取待进行图像分割的伪双能X射线煤矸石图像，并将所述伪双能X射线煤矸石图像中的低能射线图像和高能射线图像合并为两通道图像；

利用深度学习分割模型提取所述两通道图像的语义特征，并依据所述语义特征输出煤矸石图像分割结果的概率分布值，其中，所述语义特征用于表示煤矸区域像素点同背景区域像素点之间的关系；

根据所述煤矸石图像分割结果的概率分布值确定所述伪双能X射线煤矸石图像中包含的所有煤矸区域；

基于所述所有煤矸区域进行图像后处理，得到最终的煤矸石图像分割结果。

根据本申请的另一个方面，提供了一种基于深度神经网络的煤矸石图像分割装置，该装置包括：

合并模块，用于获取待进行图像分割的伪双能X射线煤矸石图像，并将所述伪双能X射线煤矸石图像中的低能射线图像和高能射线图像合并为两通道图像；

提取模块，用于利用深度学习分割模型提取所述两通道图像的语义特征，并依据所述语义特征输出煤矸石图像分割结果的概率分布值，其中，所述语义特征用于表示煤矸区域像素点同背景区域像素点之间的关系；

确定模块，用于根据所述煤矸石图像分割结果的概率分布值确定所述伪双能X射线煤矸石图像中包含的所有煤矸区域；

处理模块，用于基于所述所有煤矸区域进行图像后处理，得到最终的煤矸石图像分割结果。