【技术实现步骤摘要】
本专利技术涉及目标检测，更具体地，涉及一种复杂露天矿边坡岩体地质图像的岩脉智能提取方法。
技术介绍
1、露天矿边坡岩脉作为边坡主要的软弱结构面之一，反映出结构的受力状态，是矿山边坡稳定性重要的决定性因素之一。边坡失稳会导致大面积的滑坡、坍塌事故，严重威胁矿山现场工作人员的生命安全，破坏日常的生产活动秩序。因此，如何准确、高效地检测边坡岩脉的表面结构并及时给出支护方案，对保障矿山安全生产，提高矿山经济效益与社会稳定性，具有十分重要的意义。
2、目前露天矿边坡岩脉的检测方法主要有人工地质素描法和边缘检测算法。人工地质素描法需要调查人员进行现场勘察、手动测量并记录岩脉的三维信息，画出地质素描图。但此种方法需要勘察人员到边坡下方进行测量，存在一定的安全隐患，且检测效率低、测量结果易受勘测人员人工主观因素影响，同时存在检测精度不高、耗时长等问题。传统的边缘检测算法较好地解决了人工地质素描法的弊端，但该方法对图像的质量要求较高，受光照、阴影等因素影响大，且在复杂地质背景下，无法精确分割出岩脉轮廓。
3、随着近年来计算机软硬件的发展，计算机视觉与深度学习技术日渐成熟，基于此技术的图像无损检测在其他领域得到广泛应用，该方法通过学习大量图像数据进行模型训练，学习岩脉图像的相关特征，实现在复杂背景下精确检测并分割出岩脉轮廓。基于深度学习的边坡岩脉检测方法具有准确率高、鲁棒性强、泛化性好的特点。
4、mask r-cnn算法结合了目标检测与语义分割两个模块，能定位图像中岩脉位置并对其进行图像分割。但值得注意的是，虽
技术实现思路
1、基于现有技术中存在的上述技术问题，本专利技术提供了一种基于opencv-anylabeling-mask r-cnn的复杂地质图像岩脉智能识别方法，通过对图像依次进行预处理、自动标注数据、复合数据增广后，将数据格式转换成mask r-cnn训练所需的格式再输入模型中进行训练，有效解决复杂地质背景下岩脉检测精度低，数据集标注难度大、花费时间长、人工成本高的问题。
2、为了实现上述目的，本专利技术的技术方案如下：
3、一种复杂露天矿边坡岩体地质图像的岩脉智能提取方法，包括以下步骤：
4、s1、数据采集：选择露天矿山边坡的地质调查区域后，对边坡进行多角度拍摄，获取原始边坡岩脉图像数据；
5、s2、图像预处理：对原始图像进行去噪、裁剪，然后调整颜色通道，改变图像对比度、亮度、饱和度；
6、s3、自动标注数据：对预处理后的图像进行自动标注，并修正标注数据以贴合岩脉轮廓，将标注后的数据以json文件的格式进行保存；
7、s4、数据图像增广：对图像和标注数据进行复合增广；所述复合增广方式包括旋转、反转、高斯模糊、颜色调整、镜像对称、椒盐噪声中的至少两种。
8、s5、数据格式转换：将增广后的图像与标注json文件转换成mask r-cnn训练所需的格式；
9、s6、划分数据集：将转换后的数据划分为训练集、验证集、测试集；
10、s7、mask r-cnn深度学习模型训练：将转换后的数据输入到mask r-cnn模型进行训练，设置学习率、批处理的个数、数据集的训练轮次，保存训练好的模型；
11、s8、边坡岩脉图像提取：通过训练好的模型对边坡岩脉图像进行检测、提取、分割，得到模型检测岩脉图像的分割结果、像素准确率、平均交并比；
12、在一些实施方式中，步骤s3中，基于anylabeling的segment anything model模型选择预处理后图像中岩脉进行自动标注，并对部分未准确标注的岩脉图像进行人工干预修改以契合岩脉标注边缘。
13、在一些实施方式中，步骤s2中，调整图像颜色通道具体为：将图像从rgb颜色空间依据转换公式转换为hsv颜色空间，所述转换公式如下式(1)-式(4)：
14、
15、其中，h、s、v分别表示转化后的hsv颜色空间的色度、饱和度、明度，r、g、b分别表示待处理的rgb颜色空间的红色通道值、绿色通道值、蓝色通道值，r’、g’、b’分别是r、g映射道0-1的区间内的结果，cmax、cmin分别为r’、g’、b’中最大值与最小值。
16、在一些实施方式中，步骤s5中，包括编写脚本文件使用labelme中的labelme_json_to_dataset指令遍历文件中所有json文件的步骤，并将转换后数据文件按cv2_mask、json、labelme_json、pic分别存放到对应的文件夹中。
17、在一些实施方式中，步骤s6中，将转换后的数据按7：2：1划分为训练集、验证集、测试集。
18、在一些实施方式中，步骤s8中，将训练好的模型对边坡岩脉图像进行检测包括检测岩脉位置的矩形框和框内部分图像内容为岩脉的概率大小。
19、在一些实施方式中，步骤s8中，将训练好的模型对边坡岩脉图像进行分割结果包括在生成覆盖岩脉带有色彩的掩码，通过掩码与原图岩脉的重合度体现分割结果，进一步得到岩脉的几何特征。
20、在一些实施方式中，步骤s7中，设置学习率为0.001，批处理个数为8，数据集的训练轮次为400。
21、在一些实施方式中，步骤s2中，基于opencv库对原始图像进行预处理。
22、相较于现有技术，本专利技术的有益效果如下：
23、本专利技术对复杂露天矿边坡岩体地质图像的岩脉智能提取方法，获取原始边坡岩脉图像数据后，通过特定方法依次对原始图像进行预处理、自动标注和复合增广后划分为训练集、验证集和测试集，然后通过特定模型进行训练，用于边坡岩脉图像进行提取，有效解决了复杂地质背景下边坡岩脉图像标注难度大、训练效果差导致的模型检测精度较低、岩脉分割不佳的问题。此外，本申请通过先对预处理后的图像进行标注后再进行复合增广，提高了原始数据与标注数据的质量，大大降低了人工标注数据图像的人力、时间成本，方法经济，且有效获取了露天矿边坡的岩脉识别结果图像，提高了识别精度。
24、进一步地，本专利技术基于opencv库结合特定的转换公式对原始图像进行预处理，消除图像采集过程中由于设备、运动模型等问题产生的噪音，提升原始图像数据质量；通过anylabeling的自动标注模型对岩脉图像进行自动标注，有效解决复杂背景标注难度大，人工、时间成本高的问题；利用imgaug库对标注后的数据与图像进行复合增广，增加了数据的多样性，扩增了样本集，使得训练的模型鲁棒性更强、泛化性更好，检测和分割岩脉更精确。
25、使用本专利技术的方法，能够较好地完成复杂地质背景下的岩脉图像检测和本文档来自技高网...
【技术保护点】
1.一种复杂露天矿边坡岩体地质图像的岩脉智能提取方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的复杂露天矿边坡岩体地质图像的岩脉智能提取方法，其特征在于，步骤S3中，基于AnyLabeling的Segment Anything Model模型选择预处理后图像中岩脉进行自动标注，并对部分未准确标注的岩脉图像进行人工干预修改以契合岩脉标注边缘。
3.根据权利要求1所述的复杂露天矿边坡岩体地质图像的岩脉智能提取方法，其特征在于，步骤S2中，调整图像颜色通道具体为：将图像从RGB颜色空间依据转换公式转换为HSV颜色空间，所述转换公式如下式(1)-式(4)：
4.根据权利要求1所述的复杂露天矿边坡岩体地质图像的岩脉智能提取方法，其特征在于，步骤S5中，包括编写脚本文件使用Labelme中的labelme_json_to_dataset指令遍历文件中所有Json文件的步骤，并将转换后数据文件按cv2_mask、Json、labelme_json、pic分别存放到对应的文件夹中。
5.根据权利要求1所述的复杂露天矿边坡岩体地质图像的岩脉
6.根据权利要求1所述的复杂露天矿边坡岩体地质图像的岩脉智能提取方法，其特征在于，步骤S8中，将训练好的模型对边坡岩脉图像进行检测包括检测岩脉位置的矩形框和框内部分图像内容为岩脉的概率大小。
7.根据权利要求1所述的复杂露天矿边坡岩体地质图像的岩脉智能提取方法，其特征在于，步骤S8中，将训练好的模型对边坡岩脉图像进行分割结果包括在生成覆盖岩脉带有色彩的掩码，通过掩码与原图岩脉的重合度体现分割结果，进一步得到岩脉的几何特征。
8.根据权利要求1所述的复杂露天矿边坡岩体地质图像的岩脉智能提取方法，其特征在于，步骤S7中，设置学习率为0.001，批处理个数为8，数据集的训练轮次为400。
9.根据权利要求1所述的复杂露天矿边坡岩体地质图像的岩脉智能提取方法，其特征在于，步骤S2中，基于OpenCV库对原始图像进行预处理。
...【技术特征摘要】
1.一种复杂露天矿边坡岩体地质图像的岩脉智能提取方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的复杂露天矿边坡岩体地质图像的岩脉智能提取方法，其特征在于，步骤s3中，基于anylabeling的segment anything model模型选择预处理后图像中岩脉进行自动标注，并对部分未准确标注的岩脉图像进行人工干预修改以契合岩脉标注边缘。
3.根据权利要求1所述的复杂露天矿边坡岩体地质图像的岩脉智能提取方法，其特征在于，步骤s2中，调整图像颜色通道具体为：将图像从rgb颜色空间依据转换公式转换为hsv颜色空间，所述转换公式如下式(1)-式(4)：
4.根据权利要求1所述的复杂露天矿边坡岩体地质图像的岩脉智能提取方法，其特征在于，步骤s5中，包括编写脚本文件使用labelme中的labelme_json_to_dataset指令遍历文件中所有json文件的步骤，并将转换后数据文件按cv2_mask、json、labelme_json、pic分别存放到对应的文件夹中。
...【专利技术属性】
技术研发人员：牛文静，陈远鑫，何本国，苏国韶，丰光亮，刘光阳，韦帅，范文宇，
申请(专利权)人：广西大学，
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。