【技术实现步骤摘要】
本专利技术属于矿业工程领域，具体涉及一种基于深度学习的露天矿爆堆矿石图像分割方法及相关装置。
技术介绍
1、露天矿矿产资源是各种产品和材料的根本来源，穿孔、爆破是露天矿生产过程中的重要环节，岩体破碎的质量是任何爆破操作的主要考虑因素。爆破效果的优劣严重影响着采矿后续工序中的采装、运输、破碎的效率和成本。如果在爆破之后形成的爆堆出现各种不合理的情况，如大块矿石较多、爆堆形状不适宜及爆堆粒度分布不均匀等，都会给后续工作带来更多的工作量，因此整个生产成本变大。研究爆破粒度分布，分析它的分布情况和确定提高爆破效果的影响因素，对矿山采矿工作的改善有很重要的现实意义。
2、关于爆破粒度分布的研究从传统方法到各种图像处理技术方法在实际应用过程中都有工作量大、费用高、效率低或者精度提高但耗时过长的缺陷。如何通过大规模并行计算做到快速精准统计爆破粒度是当前研究的一个重要方向。
技术实现思路
1、为了解决现有的技术问题，本专利技术的目的在于提出了一种基于深度学习的露天矿爆堆矿石图像分割方法及相关装...
【技术保护点】
1.一种基于深度学习的露天矿爆堆矿石图像分割方法，其特征在于，包括如下过程：
2.根据权利要求1所述的一种基于深度学习的露天矿爆堆矿石图像分割方法，其特征在于，所述深度可分离卷积的表达式如下：
3.根据权利要求1所述的一种基于深度学习的露天矿爆堆矿石图像分割方法，其特征在于，每个上采样层输入的特征图采用所有下采样特征图的组合时：
4.根据权利要求3所述的一种基于深度学习的露天矿爆堆矿石图像分割方法，其特征在于，将所有下采样特征图在通道维度上组合，得到组合特征图时：
5.根据权利要求1所述的一种基于深度学习的露天矿爆堆矿石...
【技术特征摘要】
1.一种基于深度学习的露天矿爆堆矿石图像分割方法，其特征在于，包括如下过程：
2.根据权利要求1所述的一种基于深度学习的露天矿爆堆矿石图像分割方法，其特征在于，所述深度可分离卷积的表达式如下：
3.根据权利要求1所述的一种基于深度学习的露天矿爆堆矿石图像分割方法，其特征在于，每个上采样层输入的特征图采用所有下采样特征图的组合时：
4.根据权利要求3所述的一种基于深度学习的露天矿爆堆矿石图像分割方法，其特征在于，将所有下采样特征图在通道维度上组合，得到组合特征图时：
5.根据权利要求1所述的一种基于深度学习的露天矿爆堆矿石图像分割方法，其特征在于，获取露天矿爆堆矿石的图像数据...
【专利技术属性】
技术研发人员：江松，魏玉，饶彬舰，崔智翔，顾清华，阮顺领，何润丰，王靖，章赛，刘迪，郭梨，洪勇，陈盈，马莲净，
申请(专利权)人：西安建筑科技大学，
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。