The invention discloses a method of granularity detection and analysis based on the U Net deep learning network, which includes the following steps: A, collecting a large number of block images of the object to be detected; B, preprocessing the grain block image, obtaining the standardized image; C, manually calibrating the standardized image, drawing the edge of the particle block to be demarcated artificially The image is taken as a label image; D, a deep learning network based on the U Net is built, and the standardized image in step B is used as the input image and the label image in step C is loaded into the depth learning network as the output image. After training the particle size model of the particles to be detected, the particle size distribution of the particle or powder can be analyzed quickly when the needle is processed into the granularity model when the needle is processed to analyze the particle size.
【技术实现步骤摘要】
基于U-Net深度学习网络的粒度检测分析方法
本专利技术属于视觉检测领域,特别涉及一种基于U-Net深度学习网络的粒度检测分析方法。
技术介绍
粒度检测是通过特定的仪器和方法对粒块粒度特性进行表征的一项实验工作。粒块在日常生活和工农业生产中的应用非常广泛,如面粉、水泥、塑料、造纸、橡胶、陶瓷、药品等。在不同领域,对粒块特性有不同的要求,在所有反映粒块特性的指标中,粒块的大小是通过粒度放映的,所以粒度分布是所有应用领域中最受关注的一项指标。粒度分布对粒块的使用效果有重要的影响,如粒度分布是煤块、水泥品位分类中的重要一环,所以客观真实地反映粒块或粉体的粒度分布是一项非常重要的工作。基于视觉的粒块粒度检测是一种新兴的技术,它利用相机拍摄粒块图像,通过图像处理可以快速分析得到粒度分布,具有非接触式、远距离测量、智能分析的特点。但是现有技术中使用传统数字图像方法,需要综合多种图像处理算法,如图像均衡化、Sobel边缘检测、阈值分割、距离变换、形态学校正等,其流程复杂,有大量参数需要调整,而且在实际图像分析过程中,重叠粒块的边缘检测和分割是需首要解决的难题。
技术实现思路
本专利技术的目的在于提供一种基于U-Net深度学习网络的粒度检测分析方法,得出待检测物的粒度模型,快速的对粒块完成粒度分布分析。为了实现上述目的,本专利技术采取以下技术方案:一种基于U-Net深度学习网络的粒度检测分析方法,包括如下步骤:A、收集待检测物的大量粒块图像;B、对粒块图像进行预处理,得到标准化图像;C、对标准化图像进行人工标定,绘制出粒块的边缘得到人工标定图像,将人工标定图像作为标签图像;D ...
【技术保护点】
1.一种基于U‑Net深度学习网络的粒度检测分析方法,包括如下步骤:A、收集待检测物的大量粒块图像;B、对粒块图像进行预处理,得到标准化图像;C、对标准化图像进行人工标定,绘制出粒块的边缘得到人工标定图像,将人工标定图像作为标签图像;D、搭建基于U‑Net的深度学习网络,将步骤B中的标准化图像作为输入图像、步骤C中的标签图像作为输出图像载入至深度学习网络,开始训练,得到训练好的粒度模型。
【技术特征摘要】
1.一种基于U-Net深度学习网络的粒度检测分析方法,包括如下步骤:A、收集待检测物的大量粒块图像;B、对粒块图像进行预处理,得到标准化图像;C、对标准化图像进行人工标定,绘制出粒块的边缘得到人工标定图像,将人工标定图像作为标签图像;D、搭建基于U-Net的深度学习网络,将步骤B中的标准化图像作为输入图像、步骤C中的标签图像作为输出图像载入至深度学习网络,开始训练,得到训练好的粒度模型。2.根据权利要求1所述的基于U-Net深度学习网络的粒度检测分析方法,其特征在于:所述的步骤D后还包括如下步骤:E、重新拍摄得到新的粒块图像,并进行预处理得到标准化图像,将标准化图像输入至步骤D中的粒度模型进行粒块边缘检测;F、将步骤E中的粒度边缘检测结果输出进行图像处理,使用形态学运算增强图像边缘,使用分水岭算法分割出粒块区域;G、对步骤E中分割好的粒块区域进行二值图像统计,得到粒块半径、面积、数量等统计参数,最后绘制粒块的粒度分布直方图曲线。3.根据权利要求1所述的基于U-Net深度学习网络的粒度检测分析方法,其特征在于:所述的步骤...
【专利技术属性】
技术研发人员:郭杰,李端发,万力,
申请(专利权)人:合肥金星机电科技发展有限公司,
类型:发明
国别省市:安徽,34
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。