一种岩石分割和识别模型训练方法、应用方法及设备

本申请涉及岩石分割，特别是涉及一种岩石分割和识别模型训练方法、应用方法及设备。

背景技术：

1、坝基面开挖、隧洞开挖及矿山开挖等重大工程均需使用到爆破开挖技术。爆破后的岩石常需要运输至下游或作为项目的骨料，以提高生产效率，减少成本。及时有效地对爆后块石进行检测与识别，统计块石尺寸分布情况对于爆破效果的评价具有重要意义。爆破后岩石块度的测量通常有两种途径。(1)使用wipfrag等商业软件对拍摄后的高清图像进行处理。这种方法虽然可以根据内部算法直接生成块石的边缘，但往往需要人工手动操作，并且边界情况十分不清晰，难以有效地统计块石信息。(2)现场人工筛分块石，将粒径大小按照一定范围划分，得到最终结果。这种方法往往需要大量的人力物力，耗时长，并且工程师测量的块石情况具有主观性，具有很大的局限性。因此，亟需开发一种智能高效的方法，实现爆后岩石的智能化识别，并及时统计出粒径分布情况，以提高效率，缩短工期。

2、计算机的蓬勃发展为解决施工现场传统识别岩石提供了新的途径。在计算机领域，爆后块石的识别可以归类为图像中物体的分割问题。传统计算机视觉的方法如canny、sobel等边缘检测方法难以实现端到端的分割，识别出的块石边界难以有效地将块石独立起来，做到精准实时的分割。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种岩石分割和识别模型训练方法、应用方法及设备，能够准确地对岩石图像进行岩石的识别和分割，进而获取岩石粒径尺寸分布和岩石数量。

2、一种岩石分割和识别模型训练方法，包括以下步骤：

3、获取岩石图像数据集，所述岩石图像数据集包括岩石图像及标注信息；

4、基于改进的queryinst建立初始的实例分割模型；

5、以所述岩石图像数据集作为初始的所述实例分割模型的输入，对初始的所述实例分割模型进行训练，待训练过程中损失和准确率达到平稳后，获取训练完备的实例分割模型，通过训练完备的所述实例分割模型能够对待预测的岩石图像进行岩石的识别和分割。

6、进一步地，获取所述岩石图像数据集，包括：

7、获取所述岩石图像；

8、裁剪所述岩石图像；

9、微调裁剪后的所述岩石图像，使所述岩石图像的亮度达到第一预设阈值及饱和度达到第二预设阈值；

10、标注微调后的所述岩石图像中的岩石。

11、进一步地，在所述岩石图像输入所述初始的实例分割模型前，对所述岩石图像进行离线增强处理；

12、设置随机的在线增强方法，在所述岩石图像输入所述初始的实例分割模型后，使所述岩石图像在每一循环中进行在线增强。

13、进一步地，在改进的queryinst中，将resnet模块替换为resnext模块；

14、更新训练初始的所述实例分割模型的超参数，使用边界框平均精度均值以及分割掩码平均精度均值对训练完备的所述实例分割模型进行评价，将所述边界框平均精度均值最高以及所述分割掩码平均精度均值最高的训练完备的所述实例分割模型作为最优的实例分割模型。

15、一种岩石分割和识别模型应用方法，所述应用方法包括：

16、获取待预测的岩石图像；

17、将待预测的岩石图像输入到训练完备的实例分割模型，对待预测的所述岩石图像进行岩石的识别和分割，得到第一结果图像；

18、其中，所述训练完备的实例分割模型根据权利要求1至4任一项所述的岩石分割和识别模型训练方法确定；

19、对所述第一结果图像中的多组重叠岩石的掩码数字矩阵进行处理，在重叠的两块岩石之间生成边界，得到第二结果图像；

20、统计所述第二结果图像中岩石粒径尺寸分布和岩石数量。

21、进一步地，对所述第一结果图像中的重叠岩石依次进行处理的方法为：

22、获取第一结果图像中预测的岩石数量n；

23、遍历第一结果图像的长和宽，获取重叠的两块岩石，根据像素大小确定大块岩石和小块岩石，将大块岩石上与小块岩石重叠的部分去掉，使大块岩石和小块岩石之间生成明显的边界，循环n-1次，直到所述第一结果图像的掩码数字矩阵不再重叠，得到第二结果图像。

24、进一步地，统计所述第二结果图像中岩石粒径尺寸分布的方法为：

25、确定待预测的所述岩石图像中选用的标尺；

26、根据所述第二结果图像，按照标尺在所述第二结果图像中的比例，等比例换算，得到每一岩石粒径尺寸，根据所有岩石粒径尺寸获取岩石粒径尺寸分布，等效直径换算的表达式如下：

27、

28、

29、

30、其中，dpredicted代表训练完备的实例分割模型计算得出来的等效直径；s为识别的像素面积；b、w和h分别代表标尺在第二结果图像中的长度，在水平方向上的投影以及在垂直方向上的投影；l为实际标尺的长度；dreal为真实的岩石粒径尺寸。

31、一种电子设备，包括处理器、存储器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时，实现上述的岩石分割和识别模型训练方法，和/或上述的岩石分割和识别模型应用方法。

32、一种计算机可存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现上述的岩石分割和识别模型训练方法，和/或上述的岩石分割和识别模型应用方法。

33、一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现上述的岩石分割和识别模型训练方法，和/或上述的岩石分割和识别模型应用方法。

34、基于上述的技术方案可知，本发明具有如下的有益效果：

35、本发明针对爆后岩石智能分割与识别是端到端的，具有自动化、智能化的优点，得到的结果更加客观，减少专业人员和设备的依赖。实例分割模型对岩石图像中的岩石进行识别和分割，进而对第一结果图像中的多组重叠岩石依次进行处理，在重叠的两块岩石之间生成边界，实现冗余清除，得出的岩石分割图像更加准确，并且依据生成的结果统计了岩石块度分布累计曲线，方便检测人员直观获取爆后岩石位置、大小、分布等信息。本发明为智能爆破中，智能化自动化分割识别爆后块石提供了新的思路，为基于深度学习的方法的推广奠定了基础。

技术特征：

1.一种岩石分割和识别模型训练方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的岩石分割和识别模型训练方法，其特征在于，获取所述岩石图像数据集，包括：

3.根据权利要求1所述的岩石分割和识别模型训练方法，其特征在于：

4.根据权利要求1所述的岩石分割和识别模型训练方法，其特征在于：

5.一种岩石分割和识别模型应用方法，其特征在于，所述应用方法包括：

6.根据权利要求5所述的岩石分割和识别模型应用方法，其特征在于，对所述第一结果图像中的重叠岩石依次进行处理的方法为：

7.根据权利要求5所述的岩石分割和识别模型应用方法，其特征在于，统计所述第二结果图像中岩石粒径尺寸分布的方法为：

8.一种电子设备，包括处理器、存储器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，处理器执行程序时，实现上述权利要求1至4任一项所述的岩石分割和识别模型训练方法，和/或上述权利要求5-7任一项所述的岩石分割和识别模型应用方法。

9.一种计算机可存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现上述权利要求1至4任一项所述的岩石分割和识别模型训练方法，和/或上述权利要求5-7任一项所述的岩石分割和识别模型应用方法。

10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现上述权利要求1至4任一项所述的岩石分割和识别模型训练方法，和/或上述权利要求5-7任一项所述的岩石分割和识别模型应用方法。

技术总结本发明提供一种岩石分割和识别模型训练方法、应用方法及设备，包括获取岩石图像数据集，岩石图像数据集包括岩石图像及标注信息，基于改进的QueryInst建立初始的实例分割模型，以岩石图像数据集作为初始的实例分割模型的输入，对初始的实例分割模型进行训练，待训练过程中损失和准确率达到平稳后，获取训练完备的实例分割模型，通过训练完备的实例分割模型能够对待预测的岩石图像进行岩石的识别和分割，进而获取待预测的岩石图像中岩石粒径尺寸分布和岩石数量。本发明能够准确地对待预测岩石图像进行岩石的识别和分割，进而获取岩石粒径尺寸分布和岩石数量。技术研发人员：李明泽,陈明,卢文波,严鹏受保护的技术使用者：武汉大学技术研发日：技术公布日：2024/8/1