【技术实现步骤摘要】
本申请涉及机器视觉，特别地涉及一种基于机器视觉的采集物料分析方法及系统。
技术介绍
1、在土石方(含矿山)相关工程施工过程中，对于不同的采掘物料，往往有着不同的管理方式，而采掘物料又与产出效率和施工成本计算密切相关。尤其是矿山开采过程中，其采掘物料复杂多样，进一步促进了对采掘物料的精细化管理研究，而对采掘物料属性的识别则是其中最基础的一环。
2、目前对于采掘物料属性的识别，最直接有效的方式是由现场施工技术员凭借经验人工识别，并登记造册。这项工作费时费力，且效率不高。在施工作业面宽广的情况下，需要每台采掘设备派一名技术员时刻观察；特别是在一些特种复杂作业环境下，又对技术员的人身安全造成很大威胁。
技术实现思路
1、针对上述问题，本申请提供一种基于机器视觉的采集物料分析方法及系统，通过将送入神经网络检测模型前的物料图像环境检测，剔除环境检测不合格的物料图像，并物料图像中的背景进行标记，选出能够明显体现物料特征信息的像素点并将其上传至云端在进行物料检测，减少神经网络检测模型输入的数据量，提高了物料检测速度，通过只检测能够明显体现物料特征信息的像素点，提高了检测结果的准确率。
2、一种基于机器视觉的采集物料分析方法，步骤如下：
3、s1、在采掘设备上安装角度可调的图像采集设备和图像采集补光设备，图像采集设备用于采集物料图像；
4、s2、获取到采掘设备发出的物料图像采集信号，图像采集设备对物料进行图像采集，得到采集到的物料图像，将参数调整次数记
5、s3、将采集到的物料图像进行环境检测，若采集到的物料图像环境检测合格，得到待分割的物料图像，进入s5；若采集到的物料图像环境检测不合格，则调整图像采集设备的拍摄参数，进入s4；
6、s4、将参数调整次数加1，判断参数调整次数是否大于预设次数，若大于则发送物料无法识别提示至采掘设备，返回s2；若不大于判断参数调整次数是否等于预设次数，若等于则根据设定的多角度转动拍摄方法对物料进行拍摄，得到角度最佳物料图像作为采集到的物料图像，返回s3，若不等于则根据图像采集设备的拍摄参数对物料进行图像采集，返回s3；
7、s5、对待分割的物料图像进行分割，得到特征显著的物料图像，将特征显著的物料图像上传至云端；
8、s6、将特征显著的物料图像送入云端内训练好的神经网络模型中，得到检测结果，并将检测结果储存至云端。
9、进一步地，将采集到的物料图像进行环境检测的具体方法为：
10、获取采集到的物料图像的亮度，判断采集到的物料图像的亮度是否位于预设亮度范围，若位于预设亮度范围，则进行下一步，若不位于预设亮度范围，则该物料图像的环境检测不合格；
11、将采集到的物料图像送入背景标记模型中，对采集到的物料图像进行背景标记，得到有效的物料图像范围，判断有效的物料图像范围占物料图像的百分比是否大于预设有效物料占比，若大于，则该物料图像的环境检测合格，若不大于，则该物料图像的环境检测不合格。
12、进一步地，将采集到的物料图像送入背景标记模型中，对采集到的物料图像进行背景标记，得到有效的物料图像范围的具体方法为：
13、建立背景模板库，背景模板库内储存有像素点小于采集到的物料图像像素点的背景图像；
14、用背景模板库中背景图像相同的像素点大小和比例的矩形框框选采集到的物料图像，对比框选到的像素点与背景图像的相似程度，若框选到的像素点与背景图像的相似程度大于预设相似度，则将框选到的像素点标记为背景；若框选到的像素点与背景图像的相似程度不大于预设相似度，无操作；
15、平移矩形框，平移步长为1个像素点，重复上述操作，直到采集到的物料图像内的所有像素点均被矩形框框选过，即可得到物料图像被标记为背景的范围，未被标记为背景的物料图像范围为有效的物料图像范围。
16、进一步地，对于物料图像环境检测不合格，调整图像采集设备的拍摄参数的具体方法为：
17、若采集到的物料图像的亮度不位于预设亮度范围，开启图像采集补光设备对图像采集设备进行补光；
18、若有效的物料图像范围占物料图像的百分比不大于预设有效物料占比，基于该物料图像建立二维直角坐标系，用方形框将连续的有效的物料图像范围框选出来，若有效的物料图像范围为非连续范围，即框选有效的物料图像范围的方形框数量大于一，则获取面积最大的方形框，连接面积最大的方形框的中点与该物料图像的中点，得到从该物料图像的中点至面积最大的方形框的中点的有向线段，建立二维直角坐标系内有向线段与图像采集设备移动角度的匹配关系，将图像采集设备按照匹配关系转动相应角度。
19、进一步地，根据设定的多角度转动拍摄方法对物料进行拍摄，得到角度最佳物料图像的具体方法为：
20、首先根据设定的多角度转动拍摄方法获取多张不同角度的物料图像，将多张不同角度的物料图像依次送入背景标记模型中，逐一获取多张不同角度的物料图像的有效的物料图像范围，并用方形框将多张不同角度的物料图像中连续的有效的物料图像范围框选出来，获取面积最大的方形框，选择多张不同角度的物料图像中方形框面积最大的图像作为角度最佳物料图像。
21、进一步地，多角度转动拍摄方法为：
22、设定图像采集设备的转动的多个角度，图像采集设备的转动到设定好的角度时，拍摄一张物料图像，转动到下一设定好的角度时，直到图像采集设备依次转动完所有设定好的角度，即完成多角度转动拍摄。
23、进一步地，对物料图像进行分割，得到特征显著的物料图像的具体步骤为：
24、设定分割图像框的大小和特征显著的物料图像的数量，分割图像框的大小小于预设方形框面积，用分割图像框无重合的随机框选出特征显著的物料图像的数量的待分割物料图像中有效的物料图像范围，每一个分割图像框框选的像素点组成的图像作为特征显著的物料图像。
25、一种基于机器视觉的采集物料分析系统，所述系统应用于所述的一种基于机器视觉的采集物料分析方法，包括有：
26、采掘设备端，用于发出的物料图像采集信号；
27、图像采集模块，包括有角度可调的图像采集设备和图像采集补光设备，用于采集物料图像；
28、图像采集参数获取模块，用于获取图像采集设备和图像采集补光设备的调整参数；
29、图像环境检测模块，用于采集到的物料图像进行环境检测，判断采集到的物料图像环境检测是否合格；
30、图像分割模块，用于对环境检测合格的物料图像进行分割，得到特征显著的物料图像；
31、拍摄参数调整计数模块，用于记录拍摄参数调整次数；
32、物料无法识别提示模块，用于根据拍摄参数调整次数和物料图像环境检测的合格情况发送物料无法识别提示至采掘设备端；
33、云端，预先储存有训练好的神经网络模型，用于储存特征显著的物料图像，并将特征显著的物料图像送入云端内训练好的神经网本文档来自技高网...
【技术保护点】
1.一种基于机器视觉的采集物料分析方法，其特征在于，具体实现步骤如下：
2.如权利要求1所述的一种基于机器视觉的采集物料分析方法，其特征在于，将采集到的物料图像进行环境检测的具体方法为：
3.如权利要求2所述的一种基于机器视觉的采集物料分析方法，其特征在于，将采集到的物料图像送入背景标记模型中，对采集到的物料图像进行背景标记，得到有效的物料图像范围的具体方法为：
4.如权利要求3所述的一种基于机器视觉的采集物料分析方法，其特征在于，对于物料图像环境检测不合格，调整图像采集设备的拍摄参数的具体方法为：
5.如权利要求4所述的一种基于机器视觉的采集物料分析方法，其特征在于，根据设定的多角度转动拍摄方法对物料进行拍摄，得到角度最佳物料图像的具体方法为：
6.如权利要求5所述的一种基于机器视觉的采集物料分析方法，其特征在于，多角度转动拍摄方法为：
7.如权利要求6所述的一种基于机器视觉的采集物料分析方法，其特征在于，对物料图像进行分割，得到特征显著的物料图像的具体步骤为：
8.一种基于机器视觉的采集物料分
...【技术特征摘要】
1.一种基于机器视觉的采集物料分析方法，其特征在于，具体实现步骤如下：
2.如权利要求1所述的一种基于机器视觉的采集物料分析方法，其特征在于，将采集到的物料图像进行环境检测的具体方法为：
3.如权利要求2所述的一种基于机器视觉的采集物料分析方法，其特征在于，将采集到的物料图像送入背景标记模型中，对采集到的物料图像进行背景标记，得到有效的物料图像范围的具体方法为：
4.如权利要求3所述的一种基于机器视觉的采集物料分析方法，其特征在于，对于物料图像环境检测不合格，调整图像采集设备...
【专利技术属性】
技术研发人员：郭军，杨超，
申请(专利权)人：湖南黑鲸数据科技有限公司，
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。