基于改进SOLOv2的煤矸石分割方法、电子设备、存储介质技术

本发明专利技术公开了一种基于改进SOLOv2的煤矸石分割方法、电子设备、存储介质，该方法包括以下步骤：S1、通过工业相机采集输送带的煤矸石样本数据；S2、将煤矸石样本数据输入改进SOLOv2网络中进行训练，得到煤矸石分割模型；S3、将煤矸石分割模型存储至边缘计算模块中；S4、边缘计算模型利用煤矸石分割模型对煤矸石实时图像进行检测，分割出煤矸石实时图像中的煤炭和矸石的位置信息；S5、边缘计算模块根据位置信息控制选矸机器人从输送带上抓取出矸石。本方法依靠工业相机、边缘计算模块和选矸机器人即可实现对矸石的分离，不仅可以提高自动化程度，从而提高工作效率，而且还能提高分割的准确率，减少人工误差。减少人工误差。减少人工误差。

【技术实现步骤摘要】
基于改进SOLOv2的煤矸石分割方法、电子设备、存储介质


[0001]本专利技术涉及图像处理
，尤其涉及一种基于改进SOLOv2的煤矸石分割方法、电子设备、存储介质。

技术介绍

[0002]石油、天然气、风能、煤炭和核能等是我国主要的能源资源，其中，相对丰富的煤炭资源是我国的主体能源。根据相关报道，煤炭在未来的几十年内依然是世界的主要能源之一。同时，据我国煤炭工业学会专家学者指出，预计到2050年，煤炭占所有一次能源的比重百分之五十左右。故煤炭资源的绿色开发和生态环境协同发展是必由之路。
[0003]目前，在煤炭开采生产的过程中，混入原煤中的主要杂质是矸石。矸石由氧化铝、氧化硅以及大量的重金属等成分组成，若煤炭中混入矸石，在燃烧的过程中会造成环境污染、影响煤炭利用效率。因此，将原煤中对矸石进行分离是煤炭清洁高效绿色使用的重要处理步骤。
[0004]目前，煤矸石分选的主要方式包括人工选矸法、重介选煤法、射线选煤等方法。人工选矸法主要利用分拣员的自身经验对煤矸的差异进行识别，存在劳动强度大、效率低等问题。重介选煤法利用煤矸的密度不同来实现分拣，此方法工艺复杂，设备保养成本高，浪费大量的水资源和污染环境。射线选煤法依据煤矸自身对射线的吸收系数和衰减程度存在的差异性来分离，此方法存在设备维护成本高和具有辐射等问题。因此，现有的煤矸石分选方法存在效率低、成本高、易造成环境污染等问题。

技术实现思路

[0005]本专利技术要解决的技术问题是：为了解决现有的煤矸石分选方法，存在效率低、成本高、易造成环境污染的技术问题，本专利技术提供一种基于改进SOLOv2的煤矸石分割方法、电子设备、存储介质，利用算法处理得到煤矸石的筛选结果，再利用选矸机器人将矸石取出，不仅可以提高分选的工作效率和自动化程度，还可以提高分选结果的准确率。
[0006]本专利技术解决其技术问题所采用的技术方案是：一种基于改进SOLOv2的煤矸石分割方法，包括以下步骤：S1、通过工业相机采集输送带的煤矸石样本数据；S2、将所述煤矸石样本数据输入改进SOLOv2网络中进行训练，得到煤矸石分割模型；S3、将所述煤矸石分割模型存储至边缘计算模块中；S4、通过工业相机采集输送带的煤矸石实时图像并发送给所述边缘计算模块，所述边缘计算模型利用所述煤矸石分割模型对所述煤矸石实时图像进行检测，分割出煤矸石实时图像中的煤炭和矸石的位置信息；S5、所述边缘计算模块根据所述位置信息控制选矸机器人从输送带上抓取出矸石。
[0007]本方法依靠工业相机、边缘计算模块和选矸机器人即可实现对矸石的分离，不仅可以提高自动化程度，从而提高工作效率，而且还能提高分割的准确率，减少人工误差。
[0008]进一步的，步骤S2包括：
[0009]S21、设置改进SOLOv2网络的架构；
[0010]S22、对所述煤矸石样本数据进行煤炭和矸石标记，将标记后的煤矸石样本数据划分成训练集和测试集；
[0011]S23、利用所述训练集对所述改进SOLOv2网络进行训练，利用所述测试集对训练后的改进SOLOv2网络进行测试，直到改进SOLOv2网络的输出精度满足要求，将最终满足精度要求的改进SOLOv2网络记为煤矸石分割模型。
[0012]进一步的，所述改进SOLOv2网络的架构包括：输入模块、骨干网络、双向特征金字塔网络和掩码分析重构网络。
[0013]进一步的，通过所述输入模块对所述煤矸石样本数据进行预处理后发送给所述骨干网络，所述骨干网络对所述煤矸石样本数据进行卷积特征提取处理，得到不同尺度的特征图；利用所述双向特征金字塔网络对不同尺度的特征图进行特征融合，得到掩码特征和内核；利用所述掩码分析重构网络对所述掩码特征进行分析和重构，得到图像分割结果。
[0014]进一步的，所述骨干网络为添加CBAM注意力机制的ResNet18网络。
[0015]进一步的，所述改进SOLOv2网络中采用的激活函数为Mish函数，其公式为：M(x)＝x
·
tanh(ln(1+e
x
))，x表示变量。
[0016]进一步的，所述双向特征金字塔网络通过自上而下和自下而上的路径分支对不同尺度的特征图进行融合，获得包含语义信息和细节信息的特征和。
[0017]进一步的，所述CBAM注意力机制根据通道维度和空间维度对不同尺度的特征图进行处理，得到注意力特征图,再将所述注意力特征图与输入的特征图相乘以进行自适应特征优化。
[0018]本专利技术还提供一种电子设备，包括处理器和存储器，所述存储器用于存储煤矸石分割方法的程序代码和数据，所述处理器用于调用所述存储器中的程序指令执行所述的煤矸石分割方法。
[0019]本专利技术还提供一种存储介质，所述存储介质包括存储程序，在所述程序运行时控制所述存储介质所在的设备执行所述的煤矸石分割方法。
[0020]本专利技术的有益效果是，本专利技术的基于改进SOLOv2的煤矸石分割方法、电子设备、存储介质，通过对SOLOv2网络的改进，提高了SOLOv2网络的特征学习能力，通过训练得到的煤矸石分割模型能够对输送带的煤矸石实时图像进行检测，识别出实时图像中的矸石数量、矸石位置信息，最后将输出结果发送给选矸机器人进行执行，将矸石分选出来。本专利技术处理步骤简单、工作效率高，还有利于提高检测准确率。
附图说明
[0021]下面结合附图和实施例对本专利技术进一步说明。
[0022]图1是本专利技术的煤矸石分割方法的流程图。
[0023]图2是本专利技术的边缘计算模块输出的结果示意图。
[0024]图3是本专利技术的改进SOLOv2网络的结构示意图。
[0025]图4是本专利技术的CBAM注意力机制与残差结构的链接示意图。
[0026]图5是本专利技术的Mish函数的曲线。
[0027]图6是本专利技术的双向特征金字塔网络的结构示意图。
具体实施方式
[0028]现在结合附图对本专利技术作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本专利技术的基本结构，因此其仅显示与本专利技术有关的构成。
[0029]在本专利技术的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。此外，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本专利技术的描述中，除非另有说明，“多个”的含义是两个或两个以上。
[0030]在本专利技术的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进SOLOv2的煤矸石分割方法，其特征在于，包括以下步骤：S1、通过工业相机采集输送带的煤矸石样本数据；S2、将所述煤矸石样本数据输入改进SOLOv2网络中进行训练，得到煤矸石分割模型；S3、将所述煤矸石分割模型存储至边缘计算模块中；S4、通过工业相机采集输送带的煤矸石实时图像并发送给所述边缘计算模块，所述边缘计算模型利用所述煤矸石分割模型对所述煤矸石实时图像进行检测，分割出煤矸石实时图像中的煤炭和矸石的位置信息；S5、所述边缘计算模块根据所述位置信息控制选矸机器人从输送带上抓取出矸石。2.如权利要求1所述的煤矸石分割方法，其特征在于，步骤S2包括：S21、设置改进SOLOv2网络的架构；S22、对所述煤矸石样本数据进行煤炭和矸石标记，将标记后的煤矸石样本数据划分成训练集和测试集；S23、利用所述训练集对所述改进SOLOv2网络进行训练，利用所述测试集对训练后的改进SOLOv2网络进行测试，直到改进SOLOv2网络的输出精度满足要求，将最终满足精度要求的改进SOLOv2网络记为煤矸石分割模型。3.如权利要求2所述的煤矸石分割方法，其特征在于，所述改进SOLOv2网络的架构包括：输入模块、骨干网络、双向特征金字塔网络和掩码分析重构网络。4.如权利要求3所述的煤矸石分割方法，其特征在于，通过所述输入模块对所述煤矸石样本数据进行预处理后发送给所述骨干网络，所述骨干网络对所述煤矸石样本数据进行卷积特征提取处理，得到不同尺度的特征图；利...

【专利技术属性】
技术研发人员：季亮，宋鹏飞，张袁浩，郝大彬，周李兵，陈晓晶，邹盛，叶柏松，邱云香，
申请(专利权)人：中煤科工集团常州研究院有限公司，
类型：发明
国别省市：