[发明专利]一种基于改进CondInst的砂石骨料图像的分割处理方法

说明书

本发明涉及图像处理技术领域，具体涉及一种基于改进CondInst的砂石骨料图像的分割处理方法。该方法为采集与标注砂石骨料图像，建立砂石骨料图像数据集；对所述砂石骨料图像数据集进行预处理，并划分训练集与测试集；搭建改进的CondInst实例分割模型；设置网络训练参数，利用改进的CondInst算法模型进行训练与测试；将相机新拍摄的砂石骨料图像输入训练完成的改进CondInst算法模型处理后得到砂石骨料图像分割结果。本发明的方法相较原模型利用长宽特征的融合以及边框回归损失函数的改进能够以较快的速度以及较高的精确度分割出砂石骨料图像。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于改进CondInst的砂石骨料图像的分割处理方法。

背景技术

随着现代建筑、道路、桥梁等基础设施建设行业的持续发展，砂石骨料作为基础设施建设中不可或缺的重要材料，其级配、超逊径颗粒含量、针片状颗粒含量等技术指标会极大地影响其所制混凝土性能，进而影响到建筑的安全性和可靠性。

针对砂石骨料级配、超逊径颗粒含量、针片状颗粒含量等参数的检测如今大多依赖于人工使用石子筛、超逊径筛、针片状规准仪以及游标卡尺等仪器手工检测，耗时长，且人工体力消耗大，随着机器视觉行业的兴起，人们逐渐将其应用到砂石骨料的技术指标检测中，主要是通过图像分割技术将砂石骨料图像分割后，就其分割结果分析后得到上述参数，因此砂石骨料图像分割算法对参数分析的准确度有关键影响，其精度与推理速度是影响其能否投入实际应用的关键。由于砂石骨料图像的复杂度，传统图像分割方法并不适用，利用神经网络模型如Mask_Rcnn等一定程度上能够解决砂石骨料图像的分割问题，但砂石骨料图像的分割速度与精度在实际应用中仍然是需要去研究的问题。

发明内容

由于砂石骨料图像中骨料与骨料之间颜色相近且个别骨料之间的界限不明，同时单颗骨料自身的颜色分布也并不均匀，这给砂石骨料图像的分割带来较大的困难。因此，由于砂石骨料图像本身的复杂度，传统图像分割方法并不适用，而Mask_Rcnn，UNet等神经网络模型虽在一定程度上解决了砂石骨料图像的分割问题，但其分割速度与精度在一定情况下仍然无法满足实际应用。鉴于此，为应对该问题，本发明提供了一种基于改进CondInst的砂石骨料图像的分割处理方法。

为实现上述目的，本发明提供了如下的技术方案：

第一方面，在本发明提供了一种基于改进CondInst的砂石骨料图像的分割处理方法，包括以下步骤：

1)采集与标注砂石骨料图像，建立砂石骨料图像数据集；

2)对所述砂石骨料图像数据集进行预处理，并划分训练集与测试集；

3)搭建改进的CondInst实例分割模型；

4)设置网络训练参数，利用改进的CondInst算法模型进行训练与测试；

5)将相机新拍摄的砂石骨料图像输入训练完成的改进CondInst算法模型处理后得到砂石骨料图像分割结果。

作为本发明的进一步方案，步骤1)中，采集砂石骨料图像时，包括：在不同的光照以及干湿度条件下将砂石骨料随意平铺于水平平台上，将工业相机固定于上方进行拍摄；拍摄完成后利用Labelme软件对骨料边缘进行标注，遮挡处圆滑过渡标注，建立砂石骨料图像数据集。

作为本发明的进一步方案，步骤2)中，使用直方图均衡化以及Z-score标准化方法对砂石骨料图像数据集进行预处理，并且按照9：1的比例随机划分训练集与测试集。

作为本发明的进一步方案，直方图均衡化处理即通过改变图像的灰阶分布以提高图像的对比度，具体操作如下：先计算图像中每一种灰度值的出现概率，将灰度值按出现概率的大小从小到大排列后，将一种灰度值的出现概率和小于该的灰度值的出现概率的出现概率相加即该灰度值的累积概率，最后将原图像中每一个像素点的灰度值修改为该灰度值的累积概率与最大灰度值255的乘积。