说明:收录全网最新的团体标准 提供单次或批量下载
(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111598935.0 (22)申请日 2021.12.24 (71)申请人 河海大学 地址 210024 江苏省南京市 鼓楼区西康路1 号 (72)发明人 樊昊岳 田正宏 路学莹 何天啸  (74)专利代理 机构 南京苏高专利商标事务所 (普通合伙) 32204 代理人 柏尚春 (51)Int.Cl. G06T 7/11(2017.01) G06T 5/00(2006.01) G06V 10/26(2022.01) G06V 10/32(2022.01) G06V 10/44(2022.01)G06V 10/764(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于实例分割算法的堆石坝料分割方 法 (57)摘要 本发明公开了一种基于实例分割算法的堆 石坝料分割方法, 包括: (1)采集样本图像, 以施 工现场自然环境下的土石坝料作为研究对象; (2)建立图像预处理模块, 裁剪样本并为转换灰 度图像, 对图像进行对比度拉伸及暗通道去雾; (3)制作图像数据库, 利用labelme进行图像标注 及划分; (4)将数据集导入实例分割网络模型, 利 用迁移学习加载预训练权重进行样 本训练, 通过 组建的Resnet101模块、 特征金字塔模块、 ROIAlign模 块实现土石颗 粒的分类与回归预测; (5)利用步骤(4)得到的训练结果, 对土石样本 预 测, 实现土石坝料颗粒的分割与形态特征提取。 本发明基于深度学习实例分割技术保证了检测 精确度与检测 效率, 简化了操作流程, 环境适应 性强, 分割精度高。 权利要求书2页 说明书5页 附图4页 CN 114399516 A 2022.04.26 CN 114399516 A 1.一种基于实例分割算法的堆石坝料分割方法, 其特 征在于, 包括以下步骤: (1)采集样本图像, 以施工现场自然环境下的土石坝料作为研究对象; (2)建立图像预处理模块, 裁剪样本并为转换灰度图像, 对图像进行对比度拉伸及暗通 道去雾; (3)制作图像数据库, 利用labelme进行图像标注及划分; (4)将数据集导入实例分割网络模型, 利用迁移学习加载预训练权重进行样本训练, 通 过组建的Resnet101模块、 特征金字塔模块、 ROIAlign模块实现土石颗粒的分类与回归预 测; (5)利用步骤(4)得到的训练结果, 对土石样本预测, 实现土石坝料颗粒的分割与形态 特征提取。 2.根据权利要求1所述的一种基于实例分割算法的堆石坝料分割方法, 其特征在于, 所 述步骤(1)为通过无人机拍摄土石坝施工现场仓面图像, 拍摄时间在仓面铺料及整平场地 后, 振动碾压之前; 图像采集环境按照天气条件分为五种, 包括晴天、 阴天、 傍晚、 雨天以及 雾霾天气, 根据岩石的风 化程度分别采集 不同料场的岩石种类, 包括 微风化以及未风 化。 3.根据权利要求1所述的一种基于实例分割算法的堆石坝料分割方法, 其特征在于, 所 述步骤(2)包括: (2.1)将步骤(1)采集得到的图像进行图像预处理加工, 将三通道RGB图像转变为单通 道灰度图像; (2.2)将预训练模块 导入实例分割网络模型; (2.3)将预处 理后的图像, 裁 剪为统一大小。 4.根据权利要求3所述的一种基于实例分割算法的堆石坝料分割方法, 其特征在于, 所 述预训练模块包括对比度拉伸模块和暗通道去雾模块; 对比度拉伸模块, 扩展图像灰度级动态范围, 可扩展对应的全部灰度 范围, 同时结合直 方图处理技术, 增强所需区域画面的品质, 模块的计算方法如下 所示: 其中, R(x,y)对应坐标点 的原始像素值, O(x,y)对应坐标点 的调整像素值, Rmin为原始 图像的最小灰度值, Rmax为原始图像的最大灰度值, MIN为要拉伸到的灰度空间的灰度最小 值, MAX要拉伸到的灰度空间的灰度最大值; 暗通道去雾模块, 采用暗通道去雾算法, 加强土石颗粒轮廓区分度。 5.根据权利要求1所述的一种基于实例分割算法的堆石坝料分割方法, 其特征在于, 所 述步骤(3)利用labelme工具, 对步骤(2)处理后的图像进行分割标注, 沿土石颗粒目标轮廓 标点并形成线段闭合, 构建图像的多边形掩膜, 根据算法生成图像的矩形目标边界框, 顶 点 信息用于预测回归。 6.根据权利要求1所述的一种基于实例分割算法的堆石坝料分割方法, 其特征在于, 所 述步骤(4)包括: (4.1)将步骤(3)制作的数据集输入实例分割网络模型, 实例分割网络模型包括 Resnet101主干特征提取网络、 特征金字塔网络、 RPN建议框网络、 ROIAlign网络、 Classifier分类 器模块和Mask模块;权 利 要 求 书 1/2 页 2 CN 114399516 A 2(4.2)将图像传入Resnet101主干特 征提取网络后, 图像进行压缩; (4.3)在Mask  R‑CNN当中, 采用Resnet101主干特征提取网络中长宽压缩了两次、 三次、 四次、 五次的结果C2、 C3、 C4、 C5来进行特征金字塔结构的构造, 获得有效特征层P2、 P3、 P4、 P5、 P6; (4.4)将提取到的P2、 P3、 P4、 P5、 P6作为RPN建议框网络的有效特征层, 对先验框进行解 码获得建议框, 利用RPN建议框网络对有效特征层进行截取, 判断先验框内部是否包含物 体, 并对先验框网格中心位置进 行调整, 对得分较高的先验框中心位置进 行组合, 进 行特征 层堆叠, 获得建议框网格高宽与中心位置; (4.5)利用ROIAl ign网络对区域存在物体进行初步筛 选, 获得调整后的局部特 征层; (4.6)Classifier分类器模块对ROIAlign网络获得的局部特征层进行处理, 其预测结 果代表建议框内部物体的种类和建议框的调整参数, Mask模块将 Classifier分类器模块预 测的结果作为Mask模型的区域截取部分, 利用ROIAlign网络再次对共享特征层进行截取, 将截取结果通过Mask模块对像素点进行分类, 获得语义分割结果。 7.根据权利要求6所述的一种基于实例分割算法的堆石坝料分割方法, 其特征在于, 所 述Resnet101主干特征提取网络包含两个残差模块, 为Conv  Block模块和Identity  Block 模块; Conv  Block模块改变输入特征层维度, Identity  Block模块输入维度和输出维度相 同。 8.根据权利要求1所述的一种基于实例分割算法的堆石坝料分割方法, 其特征在于, 所 述步骤(5)为: 将预测图像输入步骤(4)训练后的实例分割网络模型中, 输出图像Mask分割 位置与单一颗粒的目标检测框, 获得的目标检测框位置, 经相机标定, 将土石颗粒预测框大 小转换为真实大小。权 利 要 求 书 2/2 页 3 CN 114399516 A 3

.PDF文档 专利 一种基于实例分割算法的堆石坝料分割方法

文档预览
中文文档 12 页 50 下载 1000 浏览 0 评论 309 收藏 3.0分
温馨提示:本文档共12页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
专利 一种基于实例分割算法的堆石坝料分割方法 第 1 页 专利 一种基于实例分割算法的堆石坝料分割方法 第 2 页 专利 一种基于实例分割算法的堆石坝料分割方法 第 3 页
下载文档到电脑,方便使用
本文档由 人生无常 于 2024-03-18 23:57:21上传分享
友情链接
站内资源均来自网友分享或网络收集整理,若无意中侵犯到您的权利,敬请联系我们微信(点击查看客服),我们将及时删除相关资源。