一种生球颗粒的遮挡识别方法、装置、设备及介质

本技术属于矿产工业检测，尤其涉及一种生球颗粒的遮挡识别方法、装置、设备及介质。

背景技术：

1、生球颗粒的粒径是生球颗粒的一个重要性质，对生球质量起关键作用，通过准确表征生球颗粒粒径特征参数有助于优化生球制造过程，对于矿产工业领域有十分重要的意义。生球属于固态颗粒，在运动过程中除了粘连重叠外，还会出现遮挡的情况，遮挡生球颗粒利用提取到的边缘信息进行粒径测量会带来较大误差，进而引起粒径分布统计的偏差，此外，遮挡颗粒表面灰度和纹理信息也同样受到周围颗粒的影响，导致灰度和纹理特征信息统计同样受到影响。因此，需要对颗粒是否遮挡的情况进行判定，减少粒径测量结果误差。目前已有采用3d相机方案对传送带上匀速运运动的矿石颗粒获取深度信息并对遮挡问题进行识别，但是圆盘造球机内生球运动速度快、非匀速、无方向性，该应用场景下现有3d相机方案对生球颗粒遮挡识别的精度低，不能满足需求。

技术实现思路

1、本技术实施例提供了一种生球颗粒的遮挡识别方法、装置、设备及介质，可以解决生球颗粒遮挡识别精度低的问题。

2、第一方面，本技术实施例提供了一种生球颗粒的遮挡识别方法，包括：

3、获取球团矿的生产工况图像；

4、利用改进的unet网络对生产工况图像进行分割处理，得到生产工况图像中所有生球颗粒的分割轮廓；改进的unet网络包括结构相同的第一unet网络和第二unet网络，第一unet网络的对称拓展路径中设置有显著位置选择模块，第一unet网络的最后一个编码模块的输出端设有特征增强模块，且特征增强模块的输出端与第一unet网络的每个解码模块的输入端连接；第一unet网络的四个解码模块与第二unet网络的四个编码模块一一对应，且第一unet网络的每个解码模块通过一显著位置选择模块接入第二unet网络中对应的编码模块，显著位置选择模块用于提取显著位置选择模块的输入数据的显著特征；

5、获取每个生球颗粒的分割轮廓的图像纹理信息特征和似圆度；似圆度用于描述分割轮廓与圆形的相似程度；

6、将图像纹理信息特征和似圆度输入遮挡识别模型进行遮挡识别，得到生产工况图像对应的遮挡识别结果。

7、可选的，获取每个生球颗粒的分割轮廓的图像纹理信息特征和似圆度，包括：

8、分别针对每个生球颗粒的分割轮廓，执行以下步骤：

9、获取生球颗粒的分割轮廓的面积、周长和灰度共生矩阵特征；灰度共生矩阵特征用于描述分割轮廓的纹理结构；

10、根据生球颗粒的分割轮廓的面积和周长，计算得到生球颗粒的分割轮廓的似圆度；

11、利用灰度共生矩阵特征提取分割轮廓的纹理信息，得到生球颗粒的分割轮廓的图像纹理信息特征。

12、可选的，根据生球颗粒的分割轮廓的面积和周长，计算得到生球颗粒的分割轮廓的似圆度，包括：

13、通过公式计算得到生球颗粒的分割轮廓的似圆度r；

14、其中，π表示圆周率，s表示生球颗粒的分割轮廓的面积，l表示生球颗粒的分割轮廓的周长。

15、可选的，在将图像纹理信息特征和似圆度输入遮挡识别模型进行遮挡识别的步骤之前，遮挡识别方法还包括：

16、利用雪消融优化算法寻找cnn预测模型的最优参数，并利用最优参数对cnn预测模型进行更新；

17、利用训练样本集对更新后的cnn预测模型进行训练，得到用于进行遮挡识别的遮挡识别模型；训练样本集包括多张生产工况图像样本中生球颗粒的分割轮廓的图像纹理信息特征和似圆度。

18、可选的，显著位置选择模块用于通过显著位置选择公式对显著位置选择模块的输入数据进行处理，显著位置选择公式为：

19、q＝θ(x),

20、v＝g(x),

21、k＝s(q),

22、

23、y＝va,

24、

25、其中，q表示查询矩阵，v表示值矩阵，x表示输入数据，k表示查询矩阵中的前k个显著位置；θ表示获取查询矩阵操作，g表示获取值矩阵操作，s表示显著位置选择操作，a表示亲和矩阵，y表示v与a乘后的结果，c表示通道数量，表示通道加法，z表示显著位置选择模块的输出数据。

26、可选的，特征增强模块包括自适应特征中心子模块、多层感知器子模块和拼接子模块，自适应特征中心子模块的输入端和多层感知器子模块的输入端均与最后一个编码模块的输出端连接，拼接子模块的输入端分别与自适应特征中心子模块的输出端和多层感知器子模块的输出端连接，拼接子模块的输出端与第一unet网络的每个解码模块的输入端连接；

27、自适应特征中心子模块用于保留特征的局部角落区域的信息，多层感知器子模块用于提取特征的全局长程依赖关系。

28、可选的，多层感知器子模块包括依次连接的空洞卷积单元和通道mlp单元，空洞卷积单元的输入端为多层感知器子模块的输入端，通道mlp单元的输出端为多层感知器子模块的输出端。

29、第二方面，本技术实施例提供了一种生球颗粒的遮挡识别装置，包括：

30、获取模块，用于获取球团矿的生产工况图像；

31、分割模块，用于利用改进的unet网络对生产工况图像进行分割处理，得到生产工况图像中所有生球颗粒的分割轮廓；改进的unet网络包括结构相同的第一unet网络和第二unet网络，第一unet网络的对称拓展路径中设置有显著位置选择模块，第一unet网络的最后一个编码模块的输出端设有特征增强模块，且特征增强模块的输出端与第一unet网络的每个解码模块的输入端连接；第一unet网络的四个解码模块与第二unet网络的四个编码模块一一对应，且第一unet网络的每个解码模块通过一显著位置选择模块接入第二unet网络中对应的编码模块，显著位置选择模块用于提取显著位置选择模块的输入数据的显著特征；

32、计算模块，用于获取每个生球颗粒的分割轮廓的图像纹理信息特征和似圆度；似圆度用于描述分割轮廓与圆形的相似程度；

33、识别模块，用于将图像纹理信息特征和似圆度输入遮挡识别模型进行遮挡识别，得到生产工况图像对应的遮挡识别结果。

34、第三方面，本技术实施例提供了一种终端设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述的生球颗粒的遮挡识别方法。

35、第四方面，本技术实施例提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述的生球颗粒的遮挡识别方法。

36、本技术的上述方案有如下的有益效果：

37、在本技术的实施例中，通过利用改进的unet网络对球团矿的生产工况图像进行分割，得到每个生球颗粒的分割轮廓，然后获取每个生球颗粒的分割轮廓的图像纹理信息特征和似圆度，并基于各分割轮廓的图像纹理信息特征和似圆度得到遮挡识别结果。其中，由于改进的unet网络由两个unet网络连接而成，且每个unet网络的对称拓展路径中、两个unet网络之间均设置有能提取显著特征的显著位置选择模块，从而使得改进的unet网络能充分利用显著特征的重要信息进行分割，提升分割的精度，同时分割轮廓的图像纹理信息特征和似圆度与传统颗粒图像相比，对颗粒的形状和质地有较好的描述能力，而且相对稳定，不受光照和噪声等因素的影响，有助于提高对颗粒遮挡情况的判断准确性，提升生球颗粒遮挡识别的精度。

38、本技术的其它有益效果将在随后的具体实施方式部分予以详细说明。