基于机器视觉的非接触式堆石颗粒级配检测方法及装置

    公开(公告)号:CN117237303B

    公开(公告)日:2024-05-03

    申请号:CN202311210640.0

    申请日:2023-09-19

    Applicant: 中南大学

    Abstract: 一种基于机器视觉的非接触式堆石颗粒级配检测方法和装置,包括:使用图像获取装置获取堆石颗粒的数字图像;将获取的数字图像传入实例分割深度学习模型,对堆石颗粒进行识别与分割,得到颗粒轮廓区域;对获取的颗粒轮廓进行量化;对多项量化指标进行采样处理;将获取的向量作为输入,级配曲线上提取的向量作为数据标签;构建神经网络模型训练数据集,获得具有和真实颗粒三维形状的三维数字颗粒,构建数字颗粒模型库;得到最终用于级配检测神经网络预测模型。本发明可有效克服紧密堆积条件下堆石颗粒准确识别与分割,且无需人为假设任何经验公式,而完全基于大量数据的基础上的机器学习模型,可有效提高适应性和准确性。

    基于机器视觉的非接触式堆石颗粒级配检测方法及装置

    公开(公告)号:CN117237303A

    公开(公告)日:2023-12-15

    申请号:CN202311210640.0

    申请日:2023-09-19

    Applicant: 中南大学

    Abstract: 一种基于机器视觉的非接触式堆石颗粒级配检测方法和装置,包括:使用图像获取装置获取堆石颗粒的数字图像;将获取的数字图像传入实例分割深度学习模型,对堆石颗粒进行识别与分割,得到颗粒轮廓区域;对获取的颗粒轮廓进行量化;对多项量化指标进行采样处理;将获取的向量作为输入,级配曲线上提取的向量作为数据标签;构建神经网络模型训练数据集,获得具有和真实颗粒三维形状的三维数字颗粒,构建数字颗粒模型库;得到最终用于级配检测神经网络预测模型。本发明可有效克服紧密堆积条件下堆石颗粒准确识别与分割,且无需人为假设任何经验公式,而完全基于大量数据的基础上的机器学习模型,可有效提高适应性和准确性。

Patent Agency Ranking