本发明专利技术公开了一种基于YOLOV5图像识别算法和深度相机的矿石块度检测方法，包括：采集某矿山爆堆图片；使用软件对图片中的矿石块标注并生成标注文件；YOLOV5算法改进，增加网络层和Anchor；利用以上图像数据训练YOLOV5数学模型；使用训练出的模型对新爆堆图像进行识别获得带矿石图像的标记框；将标记框中图像取出，对取出的图像做分水岭分割获得矿石轮廓；获得摄像头到爆堆的距离数据，根据相似三角形法则计算出矿石的实际尺寸；统计各直径区间矿石块数量得到块度分布率。该方法实现了矿石石块的智能识别以及块度分析的实用性、准确性和实时性；相较于二维图像在计算不同距离石块尺寸时数值更加准确。寸时数值更加准确。寸时数值更加准确。
【技术实现步骤摘要】
一种基于YOLOV5图像识别算法和深度相机的矿石块度检测方法
[0001]本专利技术涉及图像识别
，特别是一种基于YOLOV5图像识别算法和深度相机的矿石块度检测方法。
技术介绍
[0002]在实际的矿石开采过程中爆堆区域存在着不同块度的矿石，若不加以区分，则不利于后续的铲装、运输、筛选、机械破碎等工序。为提升效率节约成本，需要在装车时将一定块度范围的矿石装于车中。现有的矿石开采作业中缺乏成熟完善的技术手段能够在开采过程中准确高效的识别矿石的块度。因此，需要通过引进先进的机器视觉和图像识别技术来实现矿石开采过程中的矿石块度测量功能以提高生产过程中的自动化和智能化水平，优化控制生产流程，从而更有效地利用矿产资源。
[0003]借助机器视觉的方法正在逐渐取代人工检测矿石块度的方式。近年来世界上很多国家的研究机构及机器视觉技术公司都在陆续研发矿石块度自动检测系统。其中包括加拿大Waterloo大学研发的Wipfrag机器视觉系统；美国Arizona大学开发的Split Online在线物体块度分析系统；美卓公司推出的Visio Rock全自动视觉系统；Mukherjee采用特征学习的方法对油砂矿石图像进行分割；Amankwah等人利用meanshift聚类得到矿石区域，产生标记图像，再利用基于标记控制的分水岭算法分割图像；Michael Noy使用近距离数字摄影技术实现岩石块度测量；V V Suprunenko1使用深度学习方法进行矿石块度分割；Hadi Yaghoobi等人基于神经网络和特征提取方法，提出了一种确定碎石块度分布的算法。
[0004]国内不少研究机构和公司也在持续研发矿石块度自动检测系统。其中包括：北京矿冶研究院研发的BOSA II矿石块度图像分析仪；董珂利用改进的分水岭分割算法对矿石图像进行分割；王亚静等利用熵率超像素分割将图像分为一系列紧凑的利用熵率超像素图像分割；周静等提出一种基于协同表征的二部图矿石图像分割方法；马喜祺等提出一种基于卷积神经网络和图像处理技术的带矿图像分割方法。
[0005]上述矿石块度检测方法在矿石块度计算上有一些采用的是对二维图像的分析，此类方法需要提前放置已知尺寸的标识物并提前进行相机标定。放置标识物并作相机标定的方法在爆堆石块距离不一致的情况下测算的矿石尺寸偏差较大，而且相机标定后位置如果发生变化则需要重新标定。此类方法在实际应用中适用性较差。还有一些方法虽然能够测量出爆堆的三维数据但是需要后期再进行数据分析才能得到爆堆块度分布率，缺乏实时性。本专利技术的目的是针对前述方法的不足，提出一种基于YOLOV5图像识别算法和深度相机的矿石块度检测方法，以实现爆堆矿石块度的实时精确检测与分析。
技术实现思路
[0006]本专利技术的目的是针对现有技术的不足，提供一种基于YOLOV5图像识别算法和深度相机的矿石块度检测方法，以实现爆堆矿石块度的实时精确检测与分析。
[0007]为达到上述目的，本专利技术按照以下技术方案实施：
[0008]步骤一采集爆堆图片：使用照相机采集爆堆图像作为样本集，将样本集分为训练集、验证集和测试集；
[0009]步骤二矿石石块标注：使用标注软件对图像中的石块进行标注，同时生成标注文件；
[0010]步骤三改进YOLOV5网络：增加一组Anchor，将新增的参数设为比较小的值，在YOLOhead网络层增加一组上采样模块使特征图扩大，增加一组融合层以获得更大特征图，增加一层小目标检测层以实现更好的小目标检测；
[0011]步骤四训练YOLOV5数学模型：
[0012](1)anchor boxes先验尺度获取，采用K
‑
means聚类方法，对训练集中的手工标注框尺寸进行聚类以获得先验尺寸，选取聚类中心k＝3；
[0013](2)设置训练参数，根据训练集特性和硬件条件设置，设置初始学习率为0.001，epoch为50，batch_size为4，使用余弦退火方式调整学习率；
[0014](3)训练YOLOV5数学模型，利用mAP0.5:0.95的值作为模型性能评估指标，保存mAP0.5:0.95值最高的模型，经过充分训练后mAP0.5:0.95达到53.6％；
[0015]步骤五模型验证：利用上一步骤训练好的模型对验证集图片进行识别，识别出的石块被标记框框出，识别前需设置图形规格img
‑
size为640或2560，置信度阈值conf
‑
thres设为0.01，交并比参数iou
‑
thres设为0.45；
[0016]步骤六分水岭分割：
[0017](1)图像二值化，将标记框中图像取出，使用自适应阈值化算法对石块图像进行二值化处理以区别石块区域图像和背景区域图像，阈值是邻域值减去常数C的高斯加权总和；
[0018](2)确定背景区域，使用开运算去除图像中的噪声，分离图像中石块的边界，利用膨胀运算得到图像中的背景区域；
[0019](3)确定前景区域，利用距离变换将二值图像转换为灰度图像，再将灰度图做二值化，二值化的阈值为0.03
×
灰度图的最大灰度值；
[0020](4)确定未知区域，计算二值图像中背景图像与前景图像的差值，得到未知区域图像；
[0021](5)为各区域添加标签，扫描二值图像的每个像素点，将像素值相同且相互连通的像素点分为相同的组，最终得到图像中所有的像素连通组件，为每个组件添加标签，用0标记未知区域，用1标记背景区域，用其他正整数标记前景区域；
[0022](6)分水岭分割，使用前面预设置的标签来引导图像的分割，在图像中将灰度值较高的点作为起始点做涨水操作，则不同水盆的相接处就是分水岭，分水岭分割算法将标记框中的矿石图像与其他图像分隔开，将分割后的图像做二值化操作以便提取物体轮廓；
[0023]步骤七轮廓提取及尺寸计算：遍历所有的标记框，使用轮廓提取算法提取标记框中各物体的轮廓，其中直径最大的轮廓就是矿石轮廓；
[0024]步骤八深度相机实现实时块度统计：使用深度摄像机得到爆堆图像的同时获得摄像头到爆堆的距离数据，根据相似三角形法则计算出矿石的实际尺寸，统计各直径区间矿石块数量得到块度分布率。
[0025]本专利技术与现有技术相比，具有的有益效果是：
[0026](1)采用三维深度相机作为图像采集设备，在采集爆堆矿石图像时，不仅可以采集二维平面图像同时也采集了摄像机到爆堆的深度数据。在计算矿石石块尺寸时，只需要设置摄像机的焦距参数与像素尺寸参数就可以通过相似三角形原理计算出矿石石块的实际尺寸，而不用像传统二维相机那样需要提前标定相机并放置标识物，因此大大提高了检测的实用性。
[0027](2)采用了三维深度相机，在计算矿石石块尺寸时，可以准确计算出镜头中不同距离的矿石石块的尺寸，避免了传统二维相机只能估算的弊端，大大提高了检测的准确性。
[0028](3)在程序中将算法集成到摄像头中，实现了爆本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于YOLOV5图像识别算法和深度相机的矿石块度检测方法，其特征在于，包括以下步骤：步骤一 采集爆堆图片：使用照相机采集爆堆图像作为样本集，将样本集分为训练集、验证集和测试集；步骤二 矿石石块标注：使用标注软件对图像中的石块进行标注，同时生成标注文件；步骤三 改进YOLOV5网络：增加一组Anchor，将新增的参数设为比较小的值，在YOLOhead网络层增加一组上采样模块使特征图扩大，增加一组融合层以获得更大特征图，增加一层小目标检测层以实现更好的小目标检测；步骤四 训练YOLOV5数学模型：(1) anchor boxes先验尺度获取，采用K
‑
means聚类方法，对训练集中的手工标注框尺寸进行聚类以获得先验尺寸，选取聚类中心k=3；(2) 设置训练参数，根据训练集特性和硬件条件设置，设置初始学习率为0.001，epoch为50，batch_size为4，使用余弦退火方式调整学习率；(3) 训练YOLOV5数学模型，利用mAP0.5:0.95的值作为模型性能评估指标，保存mAP0.5:0.95值最高的模型，经过充分训练后mAP0.5:0.95达到53.6%；步骤五 模型验证：利用上一步骤训练好的模型对测试集图片进行识别，识别出的石块被标记框框出，识别前需设置图形规格img
‑
size为640或2560，置信度阈值conf
‑
thres设为0.01，交并比参数iou
‑
thres设为0.45；步骤六 分水岭分割：(1) 图像二值化，将标记框中图像取出，使用自适应阈值化算法对石块图像进行二值化处理以区别石块区域图像和背景区域图像，阈值为邻域值减去常数C的高斯加权总和；(2) 确定背景区域，使用开运算去除图像中的噪声，分离图像中石块的边界，利用膨胀运算得到图像中的背景区域；(3) 确定前景区域，利用距离变换将二值图像转换为灰度图像，再将灰度图做二值化，二值化的阈值为0.03
×
灰度图的最大灰度值；(4) 确定未知区域，计算二值图像中背景图像与前景图像的差值，得到未知区域图像；(5) 为各区域添加标签，扫描二值图像的每个像素点，将像素值相同且相互连通的像素点分为相同的组，最终得到图像中所有的像素连通组件，为每个组件添加标签，用0标记未知区域，用1标记背景区域，用其他正整数标记前...
【专利技术属性】
技术研发人员：赵鑫，范春晖，李美洲，李杰，
申请(专利权)人：中铁十九局集团矿业投资有限公司，
类型：发明
国别省市：
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。