-
公开(公告)号：CN108416775B
公开(公告)日：2020-05-19
申请号：CN201810202367.X
申请日：2018-03-12
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于深度学习的矿石粒度检测方法，包括：对矿石图像进行双边滤波得到滤波矿石图像，对滤波矿石图像进行旋转扩充变换，得到R张旋转扩充变换图像；将滤波矿石图像和R张旋转扩充变换图像输入YOLOv2模型，得到滤波矿石图像中每个矿石的预测区域和R张旋转扩充变换图像的矿石预测区域；对R张旋转扩充变换图像的矿石预测区域进行旋转变换，得到与滤波矿石图像方向一致的R张扩充图像的矿石预测区域，以滤波矿石图像中每个矿石的预测区域为中心在R张扩充图像中搜索与之对应的R个预测区域，对预测区域的长和宽求和并取平均值，得到每个矿石的粒度。本发明提高了矿石粒度检测的准确性和实时性。
-
公开(公告)号：CN106778898B
公开(公告)日：2018-03-09
申请号：CN201611252173.8
申请日：2016-12-30
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于运动检测的舵片偏转极性识别方法，包括：取得舵片未偏转静态图像，运用旋转矩形掩模提取出各舵片的感兴趣区域图像作为各舵片背景帧，同时得到正负偏转分割区域；对各舵片动态图像结合各舵片背景帧运用背景消除法得到各舵片运动图像，对各舵片运动图像进行去噪和增强处理，获得各舵片识别图像，进而获得各舵片识别图像在正负偏转分割区域的平均灰度值，根据单帧识别图像正负偏转分割区域的平均灰度值和正负偏转分割区域的多帧平均灰度值识别舵片的偏转极性。本发明提供的舵片偏转极性识别方法硬件配置简单、安全性能高、方法有效、识别效率高以及可靠性好。
-
公开(公告)号：CN106778898A
公开(公告)日：2017-05-31
申请号：CN201611252173.8
申请日：2016-12-30
Applicant: 华中科技大学
CPC classification number: G06K9/6268 , G06K9/3241 , G06K9/342 , G06K9/40 , G06K9/4604
Abstract: 本发明公开了一种基于运动检测的舵片偏转极性识别方法，包括：取得舵片未偏转静态图像，运用旋转矩形掩模提取出各舵片的感兴趣区域图像作为各舵片背景帧，同时得到正负偏转分割区域；对各舵片动态图像结合各舵片背景帧运用背景消除法得到各舵片运动图像，对各舵片运动图像进行去噪和增强处理，获得各舵片识别图像，进而获得各舵片识别图像在正负偏转分割区域的平均灰度值，根据单帧识别图像正负偏转分割区域的平均灰度值和正负偏转分割区域的多帧平均灰度值识别舵片的偏转极性。本发明提供的舵片偏转极性识别方法硬件配置简单、安全性能高、方法有效、识别效率高以及可靠性好。
-
公开(公告)号：CN108416775A
公开(公告)日：2018-08-17
申请号：CN201810202367.X
申请日：2018-03-12
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于深度学习的矿石粒度检测方法，包括：对矿石图像进行双边滤波得到滤波矿石图像，对滤波矿石图像进行旋转扩充变换，得到R张旋转扩充变换图像；将滤波矿石图像和R张旋转扩充变换图像输入YOLOv2模型，得到滤波矿石图像中每个矿石的预测区域和R张旋转扩充变换图像的矿石预测区域；对R张旋转扩充变换图像的矿石预测区域进行旋转变换，得到与滤波矿石图像方向一致的R张扩充图像的矿石预测区域，以滤波矿石图像中每个矿石的预测区域为中心在R张扩充图像中搜索与之对应的R个预测区域，对预测区域的长和宽求和并取平均值，得到每个矿石的粒度。本发明提高了矿石粒度检测的准确性和实时性。
-
-
-
Search Results
4
records
(took 0.023 seconds)
