【技术实现步骤摘要】
一种基于图像处理的土壤、岩石分类方法和装置
本专利技术涉及图像处理技术，尤其是一种利用图像处理技术完成对土壤、岩石进行分类的方案。
技术介绍
对于施工的场景，由于对于不同的地质地貌，有不同的施工方式，因此，需要先对施工环境进行检测评估。检测评估最初是靠人工开挖取样辨别，识别出环境土壤、岩石的类别，但这种方式非常费时费力，且准确性不高。随着图像处理技术的不断更新，借助于图像处理的方式可以对样本的土壤或岩石进行较为准确的识别和分类。但是，现有的分类解决方案多是通过机器学习/深度学习的方式来完成对土壤或岩石的识别，例如CN110261330A公开的一种岩石识别深度学习模型岩石分类约束继承性损失方法。此类方法需要采集庞大的样本集，且对于样本的类别需要进行准确的定义，否则会分类器产生影响，另外，此类方法的计算量也较大。并且，现有的方法多是仅能实现对土壤或岩石之一的识别分类。
技术实现思路
本专利技术的专利技术目的在于：针对上述存在的问题，提供一种基于图像处理的土壤、岩石分类方法，以提供一种能够自动对...
【技术保护点】
1.一种土壤、岩石分类方法，其特征在于，包括：/nA.分别对采集的各原始图像执行以下处理：/n对采集的原始图像进行第一预处理，得到对应的第一二值化图像；/n计算所述第一二值化图像的横向、纵向梯度，根据所述横向、纵向梯度，计算原始图像对应的梯度采样占空比；/nB.对各原始图像对应的梯度采样占空比进行无监督聚类二分类，将各原始图像对应环境一次分类为土壤类和岩石类；对于土壤类，执行步骤C进行二次分类，对于岩石类，执行步骤D进行二次分类；/nC.根据原始图像对应土壤的含水量对原始图像对应的土壤进行分类；/nD.对原始图像的纹理复杂度进行无监督聚类二分类，将原始图像对应的岩石二次分类...
【技术特征摘要】
1.一种土壤、岩石分类方法，其特征在于，包括：
A.分别对采集的各原始图像执行以下处理：
对采集的原始图像进行第一预处理，得到对应的第一二值化图像；
计算所述第一二值化图像的横向、纵向梯度，根据所述横向、纵向梯度，计算原始图像对应的梯度采样占空比；
B.对各原始图像对应的梯度采样占空比进行无监督聚类二分类，将各原始图像对应环境一次分类为土壤类和岩石类；对于土壤类，执行步骤C进行二次分类，对于岩石类，执行步骤D进行二次分类；
C.根据原始图像对应土壤的含水量对原始图像对应的土壤进行分类；
D.对原始图像的纹理复杂度进行无监督聚类二分类，将原始图像对应的岩石二次分类为第一类岩石和第二类岩石；对于第一类岩石，执行步骤E进行三次分类；
E.对原始图像进行第二预处理，得到对应的第二二值化图像，以第二二值化图像的连通域占比和质心边界距离混乱度为特征，对原始图像对应的岩石进行无监督聚类二分类。
2.如权利要求1所述的土壤、岩石分类方法，其特征在于，所述梯度采样占空比的计算方法，包括：
分别对所述横/纵向梯度的行/列进行等距采样；
分别计算采样行/列的梯度信息点占各行/列中信息点数的比值；
将采样行/列的所述比值进行无监督聚类二分类，以聚类数量较多的一类作为原始图像对应的梯度采样占空比。
3.如权利要求1所述的土壤、岩石分类方法，其特征在于，所述步骤C利用土壤水含量检测电路检测土壤的含水量，所述土壤水含量检测电路包括方波信号发生电路、传感电路、整流电路、滤波电路、校正电路、放大电路和显示电路，所述方波信号发生电路、传感电路、整流电路和滤波电路依次连接，所述校正电路的输入端连接土壤含水量检测电路的电源，所述滤波电路和所述校正电路的输出端分别连接所述放大电路的两输入端，所述放大电路的输出端连接所述显示电路。
4.如权利要求1所述的土壤、岩石分类方法，其特征在于，所述纹理复杂度包括轮廓复杂度、横向曲率系数和纵向曲率系数三个特征；
所述轮廓复杂度的计算方法包括：
将原始图像的横向、纵向梯度合并为梯度图，
遍历梯度图，统计像素值不为零的点的总数，
以像素点不为零的点的总数占梯度图总像素点的比例表征轮廓复杂度；
所述横向曲率系数通过计算原...
【专利技术属性】
技术研发人员：范荣全，朱峰，刘俊勇，李涛，贺含峰，张劲，游杨均，唐杨，刘克亮，王亮，何凌，吕俊杰，董斌，谢伟，王霆，赵星俨，
申请(专利权)人：国网四川省电力公司阿坝供电公司，
类型：发明
国别省市：四川;51
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。