一种骨料粒径智能化检测方法、装置、计算机设备和存储介质与流程

1.本发明涉及人工智能识别技术领域，更具体地说，涉及一种骨料粒径智能化检测方法、装置、计算机设备和存储介质。


背景技术：

2.受客观条件等因素限制，骨料超粒径检测对人工依赖度较高，巡检人员需要24小时不间断的对骨科筛网状况和骨料质量进行巡检，如果骨料在生产过程中发生筛网破裂而导致骨料质量问题，这期间如果巡检不及时，就会给工厂带来较大的经济损失。
3.在骨料的生产过程中，质量人员需要根据骨料粒径的分布情况来判断骨料的质量问题并对骨料粒径的配比进行不断的调整，这期间往往存在一定的疏忽和时延，不能及时的对骨料的质量进行实时的反馈和调整。
4.目前国内外在这方面的研究很少，具备商业用途的产品价格昂贵，且在精度上还无法满足工业上的要求，传统的检测方法主要包含两种方案，第一种是采用传统的图像处理方法，如二值化滤波后做一些边缘检测，或者是采用距离变换后用分水岭等算法进行目标分割，再对分割后的目标进行缺陷点检测等等，传统算法对光线要求很高，在遮挡、暗光等情况下检测效果差，而且需要针对每个场景设计不同的算法参数，后期的调试工作量大，无法做到大规模的应用。第二种是采用检测轮廓的深度学习算法，由于堆叠状的骨料有较多的遮挡，而且骨料之间的轮廓不具备很强的特征，因此直接将轮廓作为目标进行拟合效果不是很理想。
5.因此需要有一种高精度、高鲁棒性的骨料粒径智能化检测方法，解决遮挡、边缘轮廓特征不明显的检测技术问题。


技术实现要素：

6.本发明要解决的技术问题在于，提供一种骨料粒径智能化检测方法、装置、计算机设备和存储介质，其能够通过端对端的网络解决遮挡、轮廓特征不明显等技术问题，而且，巡检人员可以实时监控骨科筛网状况和骨料质量，及时发现骨料质量问题，大大提升了工作效率。
7.本发明解决其技术问题所采用的技术方案是：构造一种骨料粒径智能化检测方法，包括以下步骤：
8.s1、通过高速相机采集图像，并进行图像预处理；
9.s2、将预处理后的图像送入unet神经网络，得到图像分割后的掩码图；
10.s3、对分割后的掩码图进行切片处理，找到骨料的目标体；
11.s4、将目标体进行连通域检测，获取目标体的轮廓；
12.s5、计算轮廓的面积，并拟合2d点集包含的最小区域圆，得到目标体的直径；
13.s6、通过轮廓面积和拟合圆面积的比值对异常目标体进行过滤；
14.s7、设定报警的最大粒径尺寸，对超过该设定值并达到一定数量的骨料进行预警，
同时统计骨料粒径的分布情况。
15.按上述方案，在所述步骤s1中，进行图像预处理方法包括图像的归一化，以及对图像的偏色、模糊和暗光异常情况的判断，用于过滤图像质量较差的图像。
16.按上述方案，所述unet神经网络的输入数据采用将标注好的mask转为向量场的输入方式进行训练，所述unet神经网络将物体内部的向量场作为目标进行拟合。
17.按上述方案，在所述步骤s3中，首先找到所有目标体的切片，然后轮询切片，得到每个目标体切片在x,y轴的坐标，根据切片的区域和预测值，得到其掩码图。
18.按上述方案，在所述步骤s5中，根据物体的轮廓点集，拟合2d点集包含的最小区域圆，得到目标体在图像上的像素值，根据提前标定好的数据，计算出目标体的实际直径大小。
19.本发明还提供了一种骨料粒径检测装置，包括：
20.数据接收模块，用于调整高速相机的帧率、曝光时间、增益、数字移位参数，对采集的图像进行检测区域设置；通过标定卡得到一组实际的标定值，用于后面骨料粒径的计算；
21.图像预处理模块，用于图像的归一化、图像的偏色、模糊和暗光等异常情况的处理，用于过滤图像质量较差的图像；
22.图像分割模块，用于将预处理后的图像，通过预先训练好的unet模型进行流场预测，预测后的流场通过计算流场强度和直方图统计复原出掩码图；
23.掩码图分析模块，用于将复原后的掩码图进行切片处理，获取每个目标体切片在x轴和y轴上的坐标，根据坐标和预测的掩码值获取每个目标体的掩码图，对掩码图再进行连通域检测，得到轮廓，拟合轮廓的最小区域圆，再根据实际标定值获取实际骨料的粒径；
24.超粒径报警模块，用于设定报警的最大粒径尺寸，对超过该设定值并达到一定数量的骨料进行预警，同时统计骨料粒径的分布情况，对骨料的质量起到实时的反馈作用。
25.本发明还提供了一种计算器设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现所述骨料粒径智能化检测方法的步骤。
26.本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述骨料粒径智能化检测方法的步骤。
27.实施本发明的一种骨料粒径智能化检测方法、装置、计算机设备和存储介质，具有以下有益效果：
28.本发明主要应用于骨料粒径检测系统中，其实现了骨料粒径的端对端检测，优于传统复杂的算法模型，并且在效果上优于传统算法。此外本发明可以有力的解决骨料在生产过程中发生筛网破裂而导致骨料质量的问题。同时精确的、细粒度的骨料粒径检测，统计骨料粒径的分布情况，对骨料质量也起到了重要的指导和反馈作用。
附图说明
29.下面将结合附图及实施例对本发明作进一步说明，附图中：
30.图1为一个实施例中骨料粒径智能化检测方法的应用环境图；
31.图2为一个实施例中骨料粒径智能化检测方法的流程示意图；
32.图3为一个实施例中骨料粒径检测装置的结构框图；
33.图4为一个实施例中计算机设备的内部结构图；
34.图5为一个实施例中骨料粒径的检测效果图。
具体实施方式
35.下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整的描述。以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例，基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
36.本技术提供了一种骨料粒径智能化检测方法，可以应用于如图1所示的应用环境中。其中，终端102与服务器104通过网络进行通信，在本实施例中，终端102是高速相机，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。具体的，终端102用于采集待检测图像，并将采集的待检测图像通过网络发送至服务器104，服务器104获取102采集的图像，对并对图像进行分析和处理，最后输出预警信息和统计骨料粒径的分布情况。
37.在一个实施例中，如图2所示，提供了一种骨料粒径智能化检测方法，包括以下步骤：
38.步骤202，通过视频流获取图片，并进行图像预处理，包括图像的归一化，以及对图像的偏色、模糊和暗光异常情况的判断，用于过滤图像质量较差的图像。
39.具体地，对像素进行归一化处理，例如将[0，255]的像素值归一化至[0，1]；将rgb图像转换到lab空间上，通过统计分析判断图像是否存在偏色问题，如检测是否偏红、偏绿和偏蓝；对图像进行灰度化后通过计算其laplacian方差值来判断图像是否模糊；将图像灰度化后，通过统计区域的像素值来判断图像是否存在暗光；通过对图像的质量检测来进一步过滤掉质量较差的图像，为后面分割的精度提供保障。
[0040]
步骤204，将预处理后的图像送入unet神经网络，得到图像分割后的掩码图。具体地，unet神经网络的模型训练采用向量场的输入方式，首先将标注好的mask图进行目标体的检测和目标切片，然后得到这些目标体的质心，计算每个物体内的像素离其质心的距离，其公式为其中x和y是物体内像素值的x和y坐标，xmed和ymed是物体质心点的x和y坐标，dis则是每个物体内的像素值离其质心点的距离，对其距离进行归一化。得到与原mask同样大小的距离变换图。
[0041]
在得到每个质心点后，在质心处循环投入一个数值为1的热源，通过八邻域计算法计算这一热源的热扩散场，得到热扩散场后，通过计算物体像素点在x轴方向和y轴方向的梯度，进而求取物体内的温度梯度场，最后通过对x轴和y轴的梯度进行标准化得到mask转化后的向量场，标准化方式为和其中d
x
和dy分别为物体像素点在x轴和y轴方向的梯度值。
[0042]
unet神经网络输出流场，将流场网格化后计算所有网格节点的热流量，然后再通过直方图统计网格区间内相应的流场强度，直方图的定义形式为：其中h为样本x和y的二维直方图，θxiδyi为bin{i，j}的面积，其乘积和的值等于1，最后根据直方图统计的值复原掩码图。
[0043]
步骤206，对分割后的掩码图进行切片处理，首先找到所有目标体的切片，然后轮询切片，得到每个目标体切片在x,y轴的坐标，根据切片的区域和预测值，得到其掩码图。
[0044]
找到每个切片的掩码图后，对掩码图进行连通域检测，得到目标体的轮廓特征点在，本实施例中，可以采用开源计算机视觉库(open source computer vision library，简称opencv)函数对掩码图进行轮廓特征点提取。
[0045]
步骤208，根据物体的轮廓点集，拟合2d点集包含的最小区域圆，具体的，计算机视觉库函数为opencv中的(x,y)，radius＝cv2.minenclosingcircle(c)，其中c为轮廓点集，在进行最小区域圆检测后返回圆心点坐标(x,y)和圆的半径radius。
[0046]
再得到目标体在图像上的直径后，根据提前标定好的数据，可以计算出目标体的实际直径大小，考虑到摄像机离待检测目标体的距离很近，因此忽略掉角度引起的偏差，具体的，实际直径的计算公式，diam＝2*res_value1*radius/res_value2，其中，res_value1为实际标定值，res_value2为实际标定值对应的像素值，radius为最小区域圆检测后得到的直径，diam为检测到的实际直径大小。
[0047]
步骤210，计算出实际的骨料粒径以后，需要通过轮廓面积和拟合圆面积的比值过滤掉不合格的轮廓，再对轮廓异常处理后，设定报警的最大粒径尺寸，对超过该设定值并达到一定数量的骨料进行预警，如图5所示，当设定最大粒2尺寸为30mm时，系统检测到一颗骨料的粒径大于30mm，对超粒径骨料进行绿色填充并标注出来；同时统计骨料粒径的分布情况，具体的，统计0～5mm，5mm～10mm，10mm～15mm，15mm～20mm，20mm～25mm，25mm～30mm等尺寸的粒径分布情况，通过各分段区间的粒径分布来反馈骨料的质量，并反向控制设备，如破碎机，对破碎的粒度进行控制和调整。
[0048]
在一个实施例中，如图3所示，提供了一种骨料粒径检测装置，包括：数据接收模块301、图像预处理模块302、图像分割模块303、掩码图分析模块304和超粒径报警模块305，其中：
[0049]
图像预处理模块，包括图像的归一化、图像的偏色、模糊和暗光等异常情况的处理，用于过滤图像质量较差的图像；
[0050]
图像分割模块，将预处理后的图像通过预先训练好的unet模型进行流场预测，预测后的流场通过计算流场强度和直方图统计复原出掩码图；
[0051]
掩码图分析模块，对复原后的掩码图进行切片处理，获取每个目标体切片在x轴和y轴上的坐标，根据坐标和预测的掩码值获取每个目标体的掩码图，对掩码图再进行连通域检测，得到轮廓，拟合轮廓的最小区域圆，再根据实际标定值获取实际骨料的粒径；
[0052]
超粒径报警模块，设定报警的最大粒径尺寸，对超过该设定值并达到一定数量的骨料进行预警，同时实时统计骨料粒径的分布情况。
[0053]
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储待检测图像数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种骨料粒径智能化检测方法。
[0054]
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。