一种基于深度学习的连续工业结晶图像处理系统技术方案

本发明专利技术公开了一种基于深度学习的连续工业结晶图像处理系统，所述系统包括数据采集模块、晶体识别模块、结果分析与展示模块，数据采集模块包含成像探头和成像控制器，成像探头从工业结晶器顶部插入到溶液内部一定深度，在探头底部装有高分辨率摄像机；该摄像机以一定频率拍摄图片的方式实时监控结晶过程；晶体识别模块接收数据采集模块发送的图像，并采用基于深度学习的神经网络算法预测图像中晶体的位置；结果分析与展示模块基于晶体识别模块的晶体预测结果，实时展示晶体图片及相应的统计结果。上述系统适用于各种连续工业结晶过程中晶体颗粒尺寸和形状分布情况的在线监控与精确分析，从而为连续结晶操作工艺的优化和控制提供辅助。供辅助。供辅助。

【技术实现步骤摘要】
一种基于深度学习的连续工业结晶图像处理系统


[0001]本专利技术涉及图像处理
，尤其涉及一种基于深度学习的连续工业结晶图像处理系统。

技术介绍

[0002]目前，结晶是一种重要的分离操作，广泛应用于化工、制药和食品加工等行业的固体产品提纯，在工业结晶过程中，对晶体的尺寸和形状分布进行在线监控与分析具有重大意义。对于间歇结晶操作方式，其中的固体浓度在较重要的早期阶段通常很小，只是在相对不是很重要的后期阶段才变得很大；而对于工业规模的连续结晶操作方式，固体浓度将一直维持在较高的水平，这往往导致大量晶体聚团或重叠现象。
[0003]现有技术主要采用传统的图像识别方法，包括多尺度检测算法、基于模型的识别算法、多元统计模型、合成图像分析算法等。虽然这些方法在一些简单情况下表现良好，但其精度受很多因素影响，如图像质量、固体浓度、晶体间的聚团和重叠等，因此传统图像识别手段并不适合连续工业结晶过程中的晶体图像分析。

技术实现思路

[0004]本专利技术的目的是提供一种基于深度学习的连续工业结晶图像处理系统，该系统适用于各种连续工本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的连续工业结晶图像处理系统，其特征在于，所述系统包括数据采集模块、晶体识别模块、结果分析与展示模块，其中：所述数据采集模块包含成像探头和成像控制器，所述成像探头从工业结晶器顶部插入到溶液内部一定深度，在探头底部装有高分辨率摄像机；该摄像机以一定频率拍摄图片的方式实时监控结晶过程，并将拍摄的图像传输到所述晶体识别模块；所述成像控制器用于控制所述成像探头的运行方式，包括调节摄像机的图片采集频率；所述晶体识别模块接收所述数据采集模块发送的图像，并采用基于深度学习的神经网络算法预测图像中晶体的位置；其中，所述神经网络算法包括五部分：第1部分是特征提取网络，用于输出尺寸较小的特征图；第2部分是目标区域建议网络，用于给出可能包含晶体的目标框位置信息；第3部分是区域校正网络，用于校正目标框在特征图中的具体位置；第4部分是晶体类型输出网络，用于通过若干全连接层输出目标框最终位置，并给出其中的晶体类型；第5部分是像素点输出网络，用于通过若干卷积层输出目标框中晶体覆盖的具体像素点；所述结果分析与展示模块基于所述晶体识别模块的晶体预测结果，统计晶体的形状与尺寸方面的分布特征，包含等效直径、圆形度、纵横比；同时实时展示晶体图片及相应的统计结果。2.根据权利要求1所述基于深度学习的连续工业结晶图像处理系统，其特征在于，在所述晶体识别模块采用的神经网络算法中，所述特征提取网络通过多层的卷积神经网络自动提取输入图像的深层次特征信息，并输出尺寸较小的特征图；所述目标区域建议网络首先基于输出的特征图生成大量覆盖各个位置且包含不同尺寸和不同纵横比的待筛选框，再经过若干神经网络层作用，输出一定数目的具有较大概率的目标候选框位置；所述目标候选框位置采用其中心点的水平坐标x和竖直坐标y及其宽度w和高度h表示，即(x,y,w,h)；同时输出所述目标候选框位置的二分类结果，即候选框中是否包含目标，但不区分目标的具体类别，若候选框包含目标，则分类结果为1，否则为0；所述区域校正网络采用的策略是保持所输出目标候选框位置的浮点数值，在需要候选框相关元素的某些信息时，通过在特征图中邻近四个点的信息进行双线性插值来获取，从而校正目标框在特征图中的具体位置；所述晶体类型输出网络采用一...

【专利技术属性】
技术研发人员：王学重，宗士椋，周光正，
申请(专利权)人：北京石油化工学院，
类型：发明
国别省市：