基于人工智能识别碎石粒径及体积的方法及装置制造方法及图纸

本发明专利技术公开了基于人工智能识别碎石粒径及体积的方法及装置，包括：S1、获得料斗上方摄像头拍摄的碎石图像；S2、将所述碎石图像输入预先建立的识别模型，获得碎石图像中整个碎石区域的边缘位置及每个碎石的边缘位置；S3、根据所述整个碎石区域的边缘位置，获得碎石图像中半碎石区域的形心位置；S4、根据所述每个碎石的边缘位置，计算每个碎石的实际的粒径；以及根据所述半碎石区域的形心位置与半碎石区域边缘位置，计算整个碎石区域的实际的体积。本发明专利技术通过根据计算机机器学习算法，针对现有石料粒径和体积检测的改进，实现料斗中定距碎石图像采集，结合深度学习技术对照片进行处理计算，并输出石料粒径占比和体积，用以解决现有的粒径筛分问题。有的粒径筛分问题。有的粒径筛分问题。

【技术实现步骤摘要】
基于人工智能识别碎石粒径及体积的方法及装置


[0001]本专利技术涉及振冲施工
，具体涉及基于人工智能识别碎石粒径及体积的方法及装置。

技术介绍

[0002]现阶段，振冲碎石桩的碎石粒径的判别，主要是通过抽样的方式，对破碎后的石料进行筛分实验，通过筛分来确定符合施工要求碎石粒径的加工工艺，此种方式无法做到对每一次的石料都确定其粒径，可能出现加工工艺不稳定，抽样复查周期不合理而出现某批次的碎石粒径均不符合施工要求而并使用。碎石的体积计算，则是按照堆积的密度计算结果，通过称重再转换成石料体积。该体积测量方式不适用于石料粉尘含量高或潮湿的环境。针对现状，申请人提供一种对料斗中碎石定距图像采集，通过yolov5进行预处理。最后按照深度学习模型，对照片中的石块进行识别、分割及拼接等技术后，完成粒径与体积的测算方法。

技术实现思路

[0003]本专利技术的目的在于提供基于人工智能识别碎石粒径及体积的方法及装置，根据计算机机器学习算法，针对现有石料粒径和体积检测的改进，实现料斗中定距碎石图像采集，结合深度学习技术对照片进行处理计算，并输本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于人工智能识别碎石粒径及体积的方法，其特征在于，具体包括以下步骤：S1、获得料斗上方摄像头拍摄的碎石图像；S2、将所述碎石图像输入预先建立的识别模型，获得碎石图像中整个碎石区域的边缘位置及每个碎石的边缘位置；S3、根据所述整个碎石区域的边缘位置，获得碎石图像中半碎石区域的形心位置；S4、根据所述每个碎石的边缘位置，计算每个碎石的实际的粒径；以及根据所述半碎石区域的形心位置与半碎石区域边缘位置，计算整个碎石区域的实际的体积。2.根据权利要求1所述的基于人工智能识别碎石粒径及体积的方法，其特征在于，所述碎石的边缘为圆形，所述每个碎石的粒径，通过以下步骤得到：根据每个碎石的边缘位置，确定每个碎石的区域；根据所述碎石的区域，确定对应的碎石的像素尺寸；获取所述碎石的区域与摄像头采集位置的距离，并根据在所述距离下的碎石的像素尺寸和实际尺寸之间的对应关系，确定对应的碎石的实际的直径。3.根据权利要求1所述的基于人工智能识别碎石粒径及体积的方法，其特征在于，所述每个碎石的粒径，通过以下步骤得到：对获得的碎石图像进行碎石边缘框标记，得到碎石标注图像，其中，所述碎石图像中包含比例尺信息；利用预先建立的识别模型训练所述碎石标注图像，得到所述碎石标注图像中的各碎石区块识别图像；按照所述各碎石区域识别图像所在的碎石边缘框对相应的碎石标注图像进行分割，得到多个相应的图像块；利用深度学习的图像轮廓识别模型对所述相应的图像块进行碎石边缘轮廓识别，得到包含碎石边缘信息的二值图像；基于所述二值图像进行几何拟合，得到碎石的粒径特征；根据所述比例尺信息，将拟合得到的碎石的粒径特征转化为碎石的实际的粒径或碎石的实际的面积；根据圆形的面积计算公式，计算粒径的实际的粒径：其中D为碎石粒径，S为碎石的实际面积。4.根据权利要求3所述的基于人工智能识别碎石粒径及体积的方法，其特征在于，所述碎石图像中包括已...

【专利技术属性】
技术研发人员：李果，卢伟，马斌，汤勇军，陈涛，李军，汤雯璐，李萌，吴少儒，曹杰，李联书，梁兴龙，袁鹏，马科，蒲平新，
申请(专利权)人：中电建振冲建设工程股份有限公司，
类型：发明
国别省市：