基于遮挡感知下堆积矿岩颗粒的模态实例分割方法及装置

    公开(公告)号:CN119273907A

    公开(公告)日:2025-01-07

    申请号:CN202410872612.3

    申请日:2024-07-01

    Abstract: 本发明涉及图像识别及预测技术领域,提供基于遮挡感知下堆积矿岩颗粒的模态实例分割方法及装置。方法包括:搭建不同堆积状态下的矿岩颗粒堆积模型,并利用相机获取原始图像数据库;对原始图像数据进行一系列处理;依托Pytorch框架搭建AGG‑Mask2Former网络,定义多任务损失函数优化神经网络训练过程;将数据库划分为多类子训练集并训练神经网络制得最优模型,进行交叉验证实验研究不同遮挡状态下模型的识别和预测结果;对模型识别和预测出的矿岩颗粒提取,预测堆积状态下矿岩颗粒的级配。本发明极大地提高了神经网络在矿岩颗粒堆积状态颗粒识别领域训练、识别及预测过程的效率和精度,为后续参数提取和级配统计提供了更可靠的数据基础。

    单一矿岩粗颗粒对放矿堵塞局域影响程度确定方法和系统

    公开(公告)号:CN119047187A

    公开(公告)日:2024-11-29

    申请号:CN202411168429.1

    申请日:2024-08-23

    Abstract: 本发明公开了一种单一矿岩粗颗粒对放矿堵塞局域影响程度确定方法和系统,涉及堆积矿岩颗粒堵塞技术领域,包括:基于不同矿岩颗粒堆积体系,构建矿岩颗粒堵塞模型;对矿岩颗粒堵塞模型进行颗粒图像识别,得到矿岩颗粒堵塞局域内的每个颗粒的颗粒信息;基于颗粒信息,确定颗粒之间的颗粒接触关系和每个颗粒的权重值;基于颗粒接触关系和每个颗粒的权重值,构建矿岩颗粒堵塞模型对应的复杂网络模型,和计算闭合步行阈值,并基于闭合步行阈值计算单一矿岩粗颗粒的改进子图中心性指标值;最后确定单一矿岩粗颗粒对放矿堵塞局域结构的影响程度。本发明缓解了现有技术存在的不能定量和精确的确定单一粗颗粒是如何影响堵塞结构的技术问题。

Patent Agency Ranking