一种骨料粒径智能化检测方法、装置、计算机设备和存储介质制造方法及图纸

本发明专利技术涉及一种骨料粒径智能化检测方法、装置、计算机设备和存储介质，所述方法包括：通过高速相机采集图像，并对图像进预处理；将预处理后的图像送入UNet神经网络，得到图像分割后的掩码图；对掩码图进行切片处理，找到骨料的目标体；将目标体进行连通域检测，获取目标体的轮廓；计算轮廓的面积，并拟合2D点集包含的最小区域圆，得到目标体的直径；通过轮廓面积和拟合圆面积的比值对异常目标体进行过滤；设定报警的最大粒径尺寸，对超过该设定值并达到一定数量的骨料进行预警，同时统计骨料粒径的分布情况，可以对骨料的质量起到指导和反馈的作用。的作用。的作用。

An intelligent detection method, device, computer equipment and storage medium for aggregate particle size

【技术实现步骤摘要】
一种骨料粒径智能化检测方法、装置、计算机设备和存储介质


[0001]本专利技术涉及人工智能识别
，更具体地说，涉及一种骨料粒径智能化检测方法、装置、计算机设备和存储介质。

技术介绍

[0002]受客观条件等因素限制，骨料超粒径检测对人工依赖度较高，巡检人员需要24小时不间断的对骨科筛网状况和骨料质量进行巡检，如果骨料在生产过程中发生筛网破裂而导致骨料质量问题，这期间如果巡检不及时，就会给工厂带来较大的经济损失。
[0003]在骨料的生产过程中，质量人员需要根据骨料粒径的分布情况来判断骨料的质量问题并对骨料粒径的配比进行不断的调整，这期间往往存在一定的疏忽和时延，不能及时的对骨料的质量进行实时的反馈和调整。
[0004]目前国内外在这方面的研究很少，具备商业用途的产品价格昂贵，且在精度上还无法满足工业上的要求，传统的检测方法主要包含两种方案，第一种是采用传统的图像处理方法，如二值化滤波后做一些边缘检测，或者是采用距离变换后用分水岭等算法进行目标分割，再对分割后的目标进行缺陷点检测等等，传统算法对光线要求很高，在遮挡、暗光等情况下检测效果差，而且需要针对每个场景设计不同的算法参数，后期的调试工作量大，无法做到大规模的应用。第二种是采用检测轮廓的深度学习算法，由于堆叠状的骨料有较多的遮挡，而且骨料之间的轮廓不具备很强的特征，因此直接将轮廓作为目标进行拟合效果不是很理想。
[0005]因此需要有一种高精度、高鲁棒性的骨料粒径智能化检测方法，解决遮挡、边缘轮廓特征不明显的检测技术问题。
专利
技术实现思路

[0006]本专利技术要解决的技术问题在于，提供一种骨料粒径智能化检测方法、装置、计算机设备和存储介质，其能够通过端对端的网络解决遮挡、轮廓特征不明显等技术问题，而且，巡检人员可以实时监控骨科筛网状况和骨料质量，及时发现骨料质量问题，大大提升了工作效率。
[0007]本专利技术解决其技术问题所采用的技术方案是：构造一种骨料粒径智能化检测方法，包括以下步骤：
[0008]S1、通过高速相机采集图像，并进行图像预处理；
[0009]S2、将预处理后的图像送入UNet神经网络，得到图像分割后的掩码图；
[0010]S3、对分割后的掩码图进行切片处理，找到骨料的目标体；
[0011]S4、将目标体进行连通域检测，获取目标体的轮廓；
[0012]S5、计算轮廓的面积，并拟合2D点集包含的最小区域圆，得到目标体的直径；
[0013]S6、通过轮廓面积和拟合圆面积的比值对异常目标体进行过滤；
[0014]S7、设定报警的最大粒径尺寸，对超过该设定值并达到一定数量的骨料进行预警，
同时统计骨料粒径的分布情况。
[0015]按上述方案，在所述步骤S1中，进行图像预处理方法包括图像的归一化，以及对图像的偏色、模糊和暗光异常情况的判断，用于过滤图像质量较差的图像。
[0016]按上述方案，所述UNet神经网络的输入数据采用将标注好的mask转为向量场的输入方式进行训练，所述UNet神经网络将物体内部的向量场作为目标进行拟合。
[0017]按上述方案，在所述步骤S3中，首先找到所有目标体的切片，然后轮询切片，得到每个目标体切片在X,Y轴的坐标，根据切片的区域和预测值，得到其掩码图。
[0018]按上述方案，在所述步骤S5中，根据物体的轮廓点集，拟合2D点集包含的最小区域圆，得到目标体在图像上的像素值，根据提前标定好的数据，计算出目标体的实际直径大小。
[0019]本专利技术还提供了一种骨料粒径检测装置，包括：
[0020]数据接收模块，用于调整高速相机的帧率、曝光时间、增益、数字移位参数，对采集的图像进行检测区域设置；通过标定卡得到一组实际的标定值，用于后面骨料粒径的计算；
[0021]图像预处理模块，用于图像的归一化、图像的偏色、模糊和暗光等异常情况的处理，用于过滤图像质量较差的图像；
[0022]图像分割模块，用于将预处理后的图像，通过预先训练好的UNet模型进行流场预测，预测后的流场通过计算流场强度和直方图统计复原出掩码图；
[0023]掩码图分析模块，用于将复原后的掩码图进行切片处理，获取每个目标体切片在X轴和Y轴上的坐标，根据坐标和预测的掩码值获取每个目标体的掩码图，对掩码图再进行连通域检测，得到轮廓，拟合轮廓的最小区域圆，再根据实际标定值获取实际骨料的粒径；
[0024]超粒径报警模块，用于设定报警的最大粒径尺寸，对超过该设定值并达到一定数量的骨料进行预警，同时统计骨料粒径的分布情况，对骨料的质量起到实时的反馈作用。
[0025]本专利技术还提供了一种计算器设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现所述骨料粒径智能化检测方法的步骤。
[0026]本专利技术还提供了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所述骨料粒径智能化检测方法的步骤。
[0027]实施本专利技术的一种骨料粒径智能化检测方法、装置、计算机设备和存储介质，具有以下有益效果：
[0028]本专利技术主要应用于骨料粒径检测系统中，其实现了骨料粒径的端对端检测，优于传统复杂的算法模型，并且在效果上优于传统算法。此外本专利技术可以有力的解决骨料在生产过程中发生筛网破裂而导致骨料质量的问题。同时精确的、细粒度的骨料粒径检测，统计骨料粒径的分布情况，对骨料质量也起到了重要的指导和反馈作用。
附图说明
[0029]下面将结合附图及实施例对本专利技术作进一步说明，附图中：
[0030]图1为一个实施例中骨料粒径智能化检测方法的应用环境图；
[0031]图2为一个实施例中骨料粒径智能化检测方法的流程示意图；
[0032]图3为一个实施例中骨料粒径检测装置的结构框图；
[0033]图4为一个实施例中计算机设备的内部结构图；
[0034]图5为一个实施例中骨料粒径的检测效果图。
具体实施方式
[0035]下面将结合本专利技术实施例中附图，对本专利技术实施例中的技术方案进行清楚、完整的描述。以下对在附图中提供的本专利技术的实施例的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施例，基于本专利技术的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0036]本申请提供了一种骨料粒径智能化检测方法，可以应用于如图1所示的应用环境中。其中，终端102与服务器104通过网络进行通信，在本实施例中，终端102是高速相机，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。具体的，终端102用于采集待检测图像，并将采集的待检测图像通过网络发送至服务器104，服务器104获取102采集的图像，对并对图像进行分析和处理，最后输出预警信息和统计骨料粒径的分布情况。
[0037]在一个实施例中，如图2所示，提供了一种骨料本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种骨料粒径智能化检测方法，其特征在于，包括以下步骤：S1、通过高速相机采集图像，并进行图像预处理；S2、将预处理后的图像送入UNet神经网络，得到图像分割后的掩码图；S3、对分割后的掩码图进行切片处理，找到骨料的目标体；S4、将目标体进行连通域检测，获取目标体的轮廓；S5、计算轮廓的面积，并拟合2D点集包含的最小区域圆，得到目标体的直径；S6、通过轮廓面积和拟合圆面积的比值对异常目标体进行过滤；S7、设定报警的最大粒径尺寸，对超过该设定值并达到一定数量的骨料进行预警，同时统计骨料粒径的分布情况。2.根据权利要求1所述的骨料粒径智能化检测方法，其特征在于，在所述步骤S1中，进行图像预处理方法包括图像的归一化，以及对图像的偏色、模糊和暗光异常情况的判断，用于过滤图像质量较差的图像。3.根据权利要求1所述的骨料粒径智能化检测方法，其特征在于，所述UNet神经网络的输入数据采用将标注好的mask转为向量场的输入方式进行训练，所述UNet神经网络将物体内部的向量场作为目标进行拟合。4.根据权利要求3所述的骨料粒径智能化检测方法，其特征在于，在所述步骤S3中，首先找到所有目标体的切片，然后轮询切片，得到每个目标体切片在X,Y轴的坐标，根据切片的区域和预测值，得到其掩码图。5.根据权利要求1所述的骨料粒径智能化检测方法，其特征在于，在所述步骤S5中，根据物体的轮廓点集，拟合2D点集包含的...

【专利技术属性】
技术研发人员：李叶青，汤峻，刘进，许小路，张晗，
申请(专利权)人：华新水泥技术管理武汉有限公司，
类型：发明
国别省市：