一种矿石图像去噪及品位预测方法及系统技术方案

本发明专利技术适用于矿石自动分拣技术领域，提供了一种矿石图像去噪及品位预测方法及系统，包括以下步骤：通过双能XRT机器分别采集低速矿石透色图像和高速矿石透色图像，每份透色图像均由高能和低能两组图像组成；确定低速低能矿石透色图像为纯净图像，确定高速低能矿石透色图像为噪声图像，基于残差网络结构对训练样本进行改良和重构，重新整合去噪后的低能和高能矿石透色图像，针对像素级进行计算，创建1个与矿石透色图像分辨率相同的全零矩阵M，创建一个与矿石透色图像尺寸相同3维的全零矩阵，进行通道融合并转化为矿石品味图。本发明专利技术有效地改善了矿石图像去噪困难的难题，提高了XRT设备的识别精度及实时性能，便于目测矿石品位。便于目测矿石品位。便于目测矿石品位。

【技术实现步骤摘要】
一种矿石图像去噪及品位预测方法及系统


[0001]本专利技术涉及矿石自动分拣
，具体是涉及一种矿石图像去噪及品位预测方法及系统。

技术介绍

[0002]双能XRT成像物质识别技术是利用物质对高、低能X射线吸收程度不同实现物质识别的技术。使用双能X射线探测器可以获得物质的高能和低能两组图像，通过对这两组图像进行数据分析建立的R值模型。实际过程中，在X射线成像的几乎每一个环节都会引入噪声，包括：射线源不稳定产生的量子起伏噪声、图像传感器产生的电子噪声、数字化系统产生的噪声、射线散射噪声等等，特别是低能图像噪声更为明显，而保证高、低能图像的数据特征的真实性是模型制作和识别的较为重要的环节。目前在利用双能X射线的废金属分选研究中，主要是基于R值算法，而R值算法是基于单能谱的衰减公式，R值模型是建立到单色光的理论上，而实际过程中的X射线是连续的，会使物质的吸收率发生改变，从而导致R值模型在很多情况下都不够准确，该方法在诸多类矿石均不能有效进行矿石和废石的分离，也无法获得矿石的品位信息。因此，需要提供一种矿石图像去噪及品位预测方法及系统，旨在解决上述问题。

技术实现思路

[0003]针对现有技术存在的不足，本专利技术的目的在于提供一种矿石图像去噪及品位预测方法及系统，以解决上述
技术介绍
中存在的问题。
[0004]本专利技术是这样实现的，一种矿石图像去噪及品位预测方法，所述方法包括以下步骤：
[0005]通过双能XRT机器分别采集低速矿石透色图像和高速矿石透色图像，矿石透色图像包括石英透色图像和金属块透色图像，每份透色图像均由高能和低能两组图像组成；
[0006]确定低速低能矿石透色图像为纯净图像，确定高速低能矿石透色图像为噪声图像，将纯净图像和噪声图像设定为去噪模型的训练样本；
[0007]基于残差网络结构对训练样本进行改良和重构，以提高去噪模型的去噪精度和推理速度；
[0008]提取石英透色图像和金属块透色图像的高能图像以及低能图像的像素，使用python或matlab制作频率散点图，确定金属和石英的重合情况；
[0009]将提取到的像素作为训练样本，使用skleran框架下LGBM算法训练模型；
[0010]重新整合去噪后的低能和高能矿石透色图像，针对像素级进行计算，创建1个与矿石透色图像分辨率相同的全零矩阵M，针对矿石透色图像的每个像素进行预测计算，将结果重新归置到相同坐标的矩阵M中，得到矩阵M1；
[0011]创建一个与矿石透色图像尺寸相同3维的全零矩阵，第1通道的值77
‑
77*M1，第2通道设置为230，第3通道设置为249，进行通道融合并转化为矿石品味图。
[0012]作为本专利技术进一步的方案：所述基于残差网络结构对训练样本进行改良和重构的步骤，具体包括：
[0013]对图像像素进行翻转，使最大池化过程中不会抹掉石头的矿点；
[0014]使用最近邻居法，不改变图像的像素值；
[0015]不固定图像的宽度，使去噪能够按单行或多行进行特征处理，并与后续的矿石品位计算环节并行运行；
[0016]将基础网络改为depth
‑
wise
‑
separable卷积，去掉全连接层，使用FCN，改为端对端的结构；
[0017]调整子结构数量及特征图数量，对模型进行量化处理及转化为移动端模式。
[0018]作为本专利技术进一步的方案：所述方法还包括对矿石透色图像进行数据增强和标准化处理，作为去噪模型的输入数据。
[0019]作为本专利技术进一步的方案：所述矿石品味图中红色点表示纯矿点，由红变黄再变绿表示含矿量逐渐降低，蓝色表示废点。
[0020]本专利技术的另一目的在于提供一种矿石图像去噪及品位预测系统，所述系统包括：
[0021]矿石透色图像采集模块，用于通过双能XRT机器分别采集低速矿石透色图像和高速矿石透色图像，矿石透色图像包括石英透色图像和金属块透色图像，每份透色图像均由高能和低能两组图像组成；
[0022]训练样本确定模块，用于确定低速低能矿石透色图像为纯净图像，确定高速低能矿石透色图像为噪声图像，将纯净图像和噪声图像设定为去噪模型的训练样本；
[0023]改良和重构模块，基于残差网络结构对训练样本进行改良和重构，以提高去噪模型的去噪精度和推理速度；
[0024]频率散点图模块，用于提取石英透色图像和金属块透色图像的高能图像以及低能图像的像素，使用python或matlab制作频率散点图，确定金属和石英的重合情况；
[0025]LGBM训练模块，用于将提取到的像素作为训练样本，使用skleran框架下LGBM算法训练模型；
[0026]重组矩阵模块，用于重新整合去噪后的低能和高能矿石透色图像，针对像素级进行计算，创建1个与矿石透色图像分辨率相同的全零矩阵M，针对矿石透色图像的每个像素进行预测计算，将结果重新归置到相同坐标的矩阵M中，得到矩阵M1；
[0027]矿石品味图生成模块，用于创建一个与矿石透色图像尺寸相同3维的全零矩阵，第1通道的值77
‑
77*M1，第2通道设置为230，第3通道设置为249，进行通道融合并转化为矿石品味图。
[0028]作为本专利技术进一步的方案：所述改良和重构模块包括：
[0029]图像像素翻转单元，用于对图像像素进行翻转，使最大池化过程中不会抹掉石头的矿点；
[0030]像素值固定单元，用于使用最近邻居法，不改变图像的像素值；
[0031]加速处理单元，不固定图像的宽度，使去噪能够按单行或多行进行特征处理，并与后续的矿石品位计算环节并行运行；
[0032]训练节省单元，用于将基础网络改为depth
‑
wise
‑
separable卷积，去掉全连接层，使用FCN，改为端对端的结构；
[0033]结构调整单元，用于调整子结构数量及特征图数量，对模型进行量化处理及转化为移动端模式。
[0034]与现有技术相比，本专利技术的有益效果是：
[0035]本专利技术以残差结构为载体，改良和重构了算法，能够特定用于XRT低能图像去噪，同时保持精确性和实时性，去噪模型输出图像干扰极少且保留了绝大多数原始矿点，不会给原数据带来失真的情况，大幅度提高数据提取的精度；通过提取石英和金属高低能图像的像素，制作频率散点图，使用LGBM算法分析制作模型，LGBM算法具有速度快、精度高和占用内存小等特点，而且不易发生过拟合现象，特别适合XRT设备。重新提取去噪后的矿石高低能图像数据，针对像素级进行计算，重构矩阵M1,再通过公式转化为彩色图像，得到能够直接观看的矿石品位图像。解决了卷积神经网络不适合XRT设备图像去噪的问题，保证了去噪精度及实时性，同时改善了XRT设备不能预测矿石品位的问题。
附图说明
[0036]图1为一种矿石图像去噪及品位预测方法的流程图。
[0037]图2为一种矿石图像去本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种矿石图像去噪及品位预测方法，其特征在于，所述方法包括以下步骤：通过双能XRT机器分别采集低速矿石透色图像和高速矿石透色图像，矿石透色图像包括石英透色图像和金属块透色图像，每份透色图像均由高能和低能两组图像组成；确定低速低能矿石透色图像为纯净图像，确定高速低能矿石透色图像为噪声图像，将纯净图像和噪声图像设定为去噪模型的训练样本；基于残差网络结构对训练样本进行改良和重构，以提高去噪模型的去噪精度和推理速度；提取石英透色图像和金属块透色图像的高能图像以及低能图像的像素，制作频率散点图，确定金属和石英的重合情况；将提取到的像素作为训练样本，使用skleran框架下LGBM算法训练模型；重新整合去噪后的低能和高能矿石透色图像，针对像素级进行计算，创建1个与矿石透色图像分辨率相同的全零矩阵M，针对矿石透色图像的每个像素进行预测计算，将结果重新归置到相同坐标的矩阵M中，得到矩阵M1；创建一个与矿石透色图像尺寸相同的3维全零矩阵，第1通道的值77
‑
77*M1，第2通道设置为230，第3通道设置为249，进行通道融合并转化为矿石品味图。2.根据权利要求1所述一种矿石图像去噪及品位预测方法，其特征在于，所述基于残差网络结构对训练样本进行改良和重构的步骤，具体包括：对图像像素进行翻转，使最大池化过程中不会抹掉石头的矿点；使用最近邻居法，不改变图像的像素值；不固定图像的宽度，使去噪能够按单行或多行进行特征处理，并与后续的矿石品位计算环节并行运行；将基础网络改为depth
‑
wise
‑
separable卷积，去掉全连接层，使用FCN，改为端对端的结构；调整子结构数量及特征图数量，对模型进行量化处理及转化为移动端模式。3.根据权利要求1所述一种矿石图像去噪及品位预测方法，其特征在于，所述方法还包括对矿石透色图像进行数据增强和标准化处理，作为去噪模型的输入数据。4.根据权利要求1所述一种矿石图像去噪及品位预测方法，其特征在于，所述矿石品味图中红色点表示纯矿点，由红变黄再变...

【专利技术属性】
技术研发人员：曾军兰，金豁然，闵湘川，魏永红，罗彬，汪丹，
申请(专利权)人：湖南军芃科技股份有限公司，
类型：发明
国别省市：