一种低粒度矿石的图像分割方法与流程

本发明涉及矿石筛选，特别涉及一种低粒度矿石的图像分割方法。

背景技术：

1、矿石的粒度分布是评价破碎效果的一项重要依据，粒度参数主要包括面积、周长、粒径和体积等。目前大多采用低效离线的人工筛分检测法确定碎后粒度分布，难以保证选矿生产的需要。

2、近年来数字图像处理技术逐渐应用于各种粒度分析仪所获取的图像处理中。这种非接触式粒度检测方法可以有效克服传统检测方法的不足，且能很好的适应碎磨工序的恶劣状况，因此，通过在传送带上方安装机器视觉装置，利用数字图像技术结合现代数据处理等软测量技术，实时连续地进行在线粒度测量及自动统计结果，是矿石粒度测量的有效手段。

3、但是现有的图像处理技术在检测低粒度矿石时精准度不高。且不能同时满足检测速度和检测效率的需求，需要对检测效率或检测速度进行妥协。

技术实现思路

1、本发明实施例提供了一种低粒度矿石的图像分割方法，用以解决现有技术中在检测低粒度矿石时精准度不高。不能同时满足检测速度和检测效率的需求的问题。

2、一方面，本发明实施例提供了一种低粒度矿石的图像分割方法，包括：

3、构建初步矿石检测模型；

4、在所述初步矿石检测模型中加入注意力机制、spp模块、特征融合模块和多分类器模块得到矿石检测模型；

5、通过矿石图像组成矿石图像数据集；

6、通过神经网络算法改进所述矿石检测模型的网络结构得到改进矿石检测模型；

7、通过所述矿石图像数据集训练所述改进矿石检测模型得到完整矿石检测模型；

8、通过完整矿石检测模型对实时获取的矿石图片进行图像分割；

9、根据所述图像分割的结果进行矿石粒径检测。

10、在一种可能的实现方式中，所述初步矿石检测模型通过cspdarknet53网络结构构建特征提取骨干网络。

11、在一种可能的实现方式中，所述注意力机制是引入cbam注意力机制，以增强特征图的表征能力，提高检测性能，所述spp模块是在特征图上应用spp模块，生成池化特征图。spp模块用于捕捉多尺度信息。

12、在一种可能的实现方式中，所述矿石图像数据集包括图像和对应的粒径标签。

13、在一种可能的实现方式中，所述通过矿石图像组成矿石图像数据集之后对所述矿石图像数据集进行数据扩充。

14、在一种可能的实现方式中，所述通过神经网络算法改进所述矿石检测模型的网络结构是通过yolo算法构建改进的网络结构。

15、在一种可能的实现方式中，所述初步矿石检测模型、矿石检测模型和完整矿石检测模型设置在网络上的服务器。

16、本发明中的一种低粒度矿石的图像分割方法，具有以下优点：

17、通过神经网络算法和矿石图像实时检测矿石粒度，检测精准、效率高、速度快。

技术特征：

1.一种低粒度矿石的图像分割方法，其特征在于，包括：

2.根据权利要求1所述的一种低粒度矿石的图像分割方法，其特征在于，所述初步矿石检测模型通过cspdarknet53网络结构构建特征提取骨干网络。

3.根据权利要求1所述的一种低粒度矿石的图像分割方法，其特征在于，所述注意力机制是引入cbam注意力机制，以增强特征图的表征能力，提高检测性能，所述spp模块是在特征图上应用spp模块，生成池化特征图。spp模块用于捕捉多尺度信息。

4.根据权利要求1所述的一种低粒度矿石的图像分割方法，其特征在于，所述矿石图像数据集包括图像和对应的粒径标签。

5.根据权利要求4所述的一种低粒度矿石的图像分割方法，其特征在于，所述通过矿石图像组成矿石图像数据集之后对所述矿石图像数据集进行数据扩充。

6.根据权利要求5所述的一种低粒度矿石的图像分割方法，其特征在于，所述通过神经网络算法改进所述矿石检测模型的网络结构是通过yolo算法构建改进的网络结构。

7.根据权利要求6所述的一种低粒度矿石的图像分割方法，其特征在于，所述初步矿石检测模型、矿石检测模型和完整矿石检测模型设置在网络上的服务器。

技术总结
本发明公开了一种低粒度矿石的图像分割方法，包括：构建初步矿石检测模型；在所述初步矿石检测模型中加入注意力机制、SPP模块、特征融合模块和多分类器模块得到矿石检测模型；通过矿石图像组成矿石图像数据集；通过神经网络算法改进所述矿石检测模型的网络结构得到改进矿石检测模型；通过所述矿石图像数据集训练所述改进矿石检测模型得到完整矿石检测模型；通过完整矿石检测模型对实时获取的矿石图片进行图像分割；根据所述图像分割的结果进行矿石粒径检测。本发明通过神经网络算法和矿石图像实时检测矿石粒度，检测精准、效率高、速度快。

技术研发人员：李天问,苏路
受保护的技术使用者：四川开物信息技术有限公司
技术研发日：
技术公布日：2024/4/17