一种原料颗粒分类识别方法、系统、介质及电子终端技术方案

本发明专利技术提供一种原料颗粒分类识别方法、系统、介质及电子终端，方法包括：采集原始数据集，原始数据集包括：一个或多个原料颗粒图像；将原始数据集输入分类神经网络进行训练，获取分类识别模型，训练过程包括：对原料颗粒图像进行等尺寸分割；采集待分类图像；将待分类图像输入分类识别模型，进行图像分类，获取图像分类结果；根据图像分类结果，确定待分类图像的类别；本发明专利技术中的方法，通过将原始数据集输入分类神经网络进行训练，训练过程包括对原始数据集中的原始颗粒图像进行等尺寸分割，进而获取分类识别模型，并将待分类数据输入分类识别模型中，获取图像分类结果，进而确定待分类图像的类别，能较好地对待分类图像中的原料颗粒进行分类。粒进行分类。粒进行分类。

【技术实现步骤摘要】
一种原料颗粒分类识别方法、系统、介质及电子终端


[0001]本专利技术涉及分类识别领域，尤其涉及一种原料颗粒分类识别方法、系统、介质及电子终端。

技术介绍

[0002]焦炭、矿石、烧结矿、球团等类别的原料颗粒是高炉炼铁的重要原料，如果原料颗粒出现如原料类别错误、原料缺失等异常情况，会造成生铁产量降低、生铁质量下降、高炉寿命缩短等一系列影响，目前，在皮带机将原料颗粒送入高炉进行钢铁冶炼这一步骤中，并未对原料颗粒进行分类识别，不能保证用于高炉炼铁的原料颗粒处于正常状态，无法较好地规避原料颗粒出现异常的情况，容易造成不必要的损失。

技术实现思路

[0003]本专利技术提供一种原料颗粒分类识别方法、系统、介质及电子终端，以解决现有技术中在将原料颗粒送入高炉进行钢铁冶炼这一步骤中，并未对原料颗粒进行分类识别，无法较好地规避原料颗粒出现异常的情况，容易造成不必要的损失。
[0004]本专利技术提供的原料颗粒分类识别方法，包括：
[0005]采集原始数据集，所述原始数据集包括：一个或多个原料颗粒图像；
[0006]将所述原始数据集输入分类神经网络进行训练，获取分类识别模型，训练过程包括：对所述原料颗粒图像进行等尺寸分割；
[0007]采集待分类图像；
[0008]将所述待分类图像输入所述分类识别模型，进行图像分类，获取图像分类结果；
[0009]根据所述图像分类结果，确定所述待分类图像的类别。
[0010]可选的，将所述原始数据集输入分类神经网络进行训练，获取分类识别模型的步骤包括：
[0011]对所述原始数据集中的原始颗粒图像进行归一化处理，获取归一化图像；
[0012]对所述归一化图像进行等尺寸分割，获取小尺寸图像集，所述小尺寸图像集包括：一个或多个小尺寸图像；
[0013]对所述小尺寸图像进行特征提取，获取图像特征；
[0014]根据所述图像特征，对所述小尺寸图像集中的小尺寸图像进行分类，获取小尺寸分类结果；
[0015]根据所述小尺寸分类结果，对所述分类神经网络进行训练，获取分类识别模型。
[0016]可选的，对所述归一化图像进行等尺寸分割，获取小尺寸图像集的步骤包括：
[0017]根据预设的标准尺寸，判断所述归一化图像是否能被分割为整数个标准尺寸的图像；
[0018]若所述归一化图像能够被分割为整数个标准尺寸的图像，则对所述归一化图像进行顺序分割，获取所述小尺寸图像集，所述小尺寸图像集中的小尺寸图像的尺寸为所述标
准尺寸；
[0019]若所述归一化图像不能被分割为整数个标准尺寸的图像，则对所述归一化图像进行尺寸变更，获取尺寸变更图像；
[0020]根据预设的标准尺寸，对所述尺寸变更图像进行顺序分割，获取小尺寸图像集。
[0021]可选的，对所述归一化图像进行尺寸变更的步骤包括：
[0022]所述归一化图像包括：第一边和第二边，所述第一边和第二边连接；
[0023]根据预设的标准尺寸m
×
m，分别判断所述第一边的长度和第二边的长度能否被m整除；
[0024]若所述第一边的长度不能被m整除，则对所述第一边进行尺寸变更，获取第一变更尺寸；
[0025]若所述第二边的长度不能被m整除，则对所述第二边进行尺寸变更，获取第二变更尺寸；
[0026]根据所述第一变更尺寸和/或所述第二变更尺寸，获取所述变更尺寸图像；
[0027]对所述第一边进行尺寸变更及对所述第二边进行尺寸变更的数学表达为：
[0028]h
new
＝(h//m+1)
×
m
[0029]w
new
＝(w//m+1)
×
m
[0030]其中，h
new
为所述第一变更尺寸，h为所述第一边的长度，m为标准尺寸中的长度，//为向下取整，w
new
为第二变更尺寸，w为所述第二边的长度。
[0031]可选的，根据所述第一变更尺寸和/或所述第二变更尺寸，获取所述变更尺寸图像的步骤包括：
[0032]根据所述第一变更尺寸和/或所述第二变更尺寸，构建中间图像，所述中间图像的像素点的值均为0；
[0033]根据所述中间图像和原始数据集中对应的原料颗粒图像的像素值，将原始数据集中对应的原料颗粒图像的像素值写入所述中间图像，获取所述变更尺寸图像。
[0034]可选的，所述图像分类结果中的类别至少包括以下之一：焦炭、矿石、烧结矿、球团、异常。
[0035]可选的，根据所述图像分类结果，确定所述待分类图像的类别的步骤包括：
[0036]根据所述图像分类结果，获取图像分类结果中的异常类别数量，所述异常类别数量为所述图像分类结果中的小尺寸图像的类别为异常的图像数量；
[0037]判断所述异常类别数量是否超出预设的阈值范围，获取第一判断结果；
[0038]根据所述第一判断结果，获取所述图像分类结果中的焦炭类别数量、矿石类别数量、烧结矿类别数量、球团类别数量；
[0039]判断所述焦炭类别数量、矿石类别数量、烧结矿类别数量、球团类别数量中的最大值，获取第二判断结果；
[0040]根据所述第二判断结果，确定所述待分类图像的类别。
[0041]本专利技术还提供一种原料颗粒分类识别系统，包括：
[0042]采集模块，用于采集原始数据集，所述原始数据集包括：一个或多个原料颗粒图像；
[0043]预处理模块，用于将所述原始数据集输入分类神经网络进行训练，获取分类识别
模型，训练过程包括：对所述原料颗粒图像进行等尺寸分割；
[0044]处理模块，用于采集待分类图像；将所述待分类图像输入所述分类识别模型，进行图像分类，获取图像分类结果；
[0045]分类模块，用于根据所述图像分类结果，确定所述待分类图像的类别；所述采集模块、预处理模块、处理模块和分类模块连接。
[0046]本专利技术还提供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上述中任一项所述方法。
[0047]本专利技术还提供一种电子终端，包括：处理器及存储器；
[0048]所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行上述中任一项所述方法。
[0049]本专利技术的有益效果：本专利技术中的原料颗粒分类识别方法，通过将原始数据集输入分类神经网络进行训练，训练过程包括对原始数据集中的原始颗粒图像进行等尺寸分割，进而获取分类识别模型，并将待分类数据输入所述分类识别模型中，获取图像分类结果，进而确定待分类图像的类别，能够较好地对待分类图像中的原料颗粒进行分类，判断出其所属的原料类别，并及时判断出原料颗粒处于异常的情况，避免造成不必要的损失。
附图说明
[0050]图1是本专利技术实施例中原料颗粒分类识别方法的一流程示意图；<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种原料颗粒分类识别方法，其特征在于，包括：采集原始数据集，所述原始数据集包括：一个或多个原料颗粒图像；将所述原始数据集输入分类神经网络进行训练，获取分类识别模型，训练过程包括：对所述原料颗粒图像进行等尺寸分割；采集待分类图像；将所述待分类图像输入所述分类识别模型，进行图像分类，获取图像分类结果；根据所述图像分类结果，确定所述待分类图像的类别。2.根据权利要求1所述的原料颗粒分类识别方法，其特征在于，将所述原始数据集输入分类神经网络进行训练，获取分类识别模型的步骤包括：对所述原始数据集中的原始颗粒图像进行归一化处理，获取归一化图像；对所述归一化图像进行等尺寸分割，获取小尺寸图像集，所述小尺寸图像集包括：一个或多个小尺寸图像；对所述小尺寸图像进行特征提取，获取图像特征；根据所述图像特征，对所述小尺寸图像集中的小尺寸图像进行分类，获取小尺寸分类结果；根据所述小尺寸分类结果，对所述分类神经网络进行训练，获取分类识别模型。3.根据权利要求2所述的原料颗粒分类识别方法，其特征在于，对所述归一化图像进行等尺寸分割，获取小尺寸图像集的步骤包括：根据预设的标准尺寸，判断所述归一化图像是否能被分割为整数个标准尺寸的图像；若所述归一化图像能够被分割为整数个标准尺寸的图像，则对所述归一化图像进行顺序分割，获取所述小尺寸图像集，所述小尺寸图像集中的小尺寸图像的尺寸为所述标准尺寸；若所述归一化图像不能被分割为整数个标准尺寸的图像，则对所述归一化图像进行尺寸变更，获取尺寸变更图像；根据预设的标准尺寸，对所述尺寸变更图像进行顺序分割，获取小尺寸图像集。4.根据权利要求3所述的原料颗粒分类识别方法，其特征在于，对所述归一化图像进行尺寸变更的步骤包括：所述归一化图像包括：第一边和第二边，所述第一边和第二边连接；根据预设的标准尺寸m
×
m，分别判断所述第一边的长度和第二边的长度能否被m整除；若所述第一边的长度不能被m整除，则对所述第一边进行尺寸变更，获取第一变更尺寸；若所述第二边的长度不能被m整除，则对所述第二边进行尺寸变更，获取第二变更尺寸；根据所述第一变更尺寸和/或所述第二变更尺寸，获取所述变更尺寸图像；对所述第一边进行尺寸变更及对所述第二边进行尺寸变更的数学表达为：h
new
＝(h//m+1)
×
mw
new
＝(w//m+1)<...

【专利技术属性】
技术研发人员：庞殊杨，毛尚伟，王嘉骏，袁钰博，贾鸿盛，霍眉晴，
申请(专利权)人：中冶赛迪重庆信息技术有限公司，
类型：发明
国别省市：