[发明专利]一种煤矸石的识别方法

权利要求书

1.一种煤矸石的识别方法，其特征在于，所述方法包括：

步骤1、首先通过采集的煤矸石图片建立训练样本集，并对所述训练样本集进行定向扩充与优化；

步骤2、对扩充后的训练样本集中的图片进行滤波降噪与归一化处理；

步骤3、针对步骤2处理后的训练样本集基于深度检测网络进行训练，得到检测网络模型和训练样本集中目标的定位与识别情况；

步骤4、将检测网络模型训练出的目标裁剪并制作为新的训练样本，再利用深度卷积神经网络模型框架进行训练，得到识别网络模型；

步骤5、将待识别图片进行自适应滤波降噪处理，并使用双线性内插法进行归一化处理为统一尺寸；

步骤6、针对步骤5处理后的待识别图片，利用所述检测网络模型进行检测，得出目标的定位情况以及初次识别情况；

步骤7、针对步骤6检测出的目标，利用所述识别网络模型进行二次识别，得出二次识别结果；

步骤8、通过反馈回路对检测结果和识别结果分别进行辅助判断，动态优化检测结果和识别结果；

其中，在步骤8中，动态优化检测结果的过程具体为：

利用三维激光扫描、双目立体视觉、光电传感与检测手段，实现对检测结果的辅助判断；

将辅助判断出的漏检与错检情况输入所述检测网络模型，进行检测部分的动态优化；

在步骤8中，动态优化识别结果的过程具体为：

利用动态称重、目标识别损失值、密度检测的方式，实现对识别结果的辅助判断；

将判断结果输入所述识别网络模型，进行识别部分的动态优化；

步骤9、结合两次识别结果与所述反馈回路的辅助判断结果获得所述待识别图片的识别情况。

2.根据权利要求1所述煤矸石的识别方法，其特征在于，在步骤1中，对所述训练样本集进行定向扩充与优化的过程具体为：

利用生成式对抗网络定向生成样本，结合裁剪、旋转、翻转、对比度拉伸的图像处理手段作为辅助，对样本空间中的分布不平衡进行自适应定向补充，实现所述训练样本集的定向扩充与优化。

3.根据权利要求1所述煤矸石的识别方法，其特征在于，所述步骤3的过程具体为：

将扩充后的训练样本集作为输入，利用YOLO、SSD、FasterR-CNN或MaskR-CNN深度检测网络模型框架进行训练，在训练完成后得到检测网络模型和训练样本集中目标的定位与识别情况。

4.根据权利要求1所述煤矸石的识别方法，其特征在于，在步骤9中，

针对识别正确的目标，则将其加入所述训练样本集中进行补充；

针对识别错误的目标，则将其单独输入所述识别网络模型中，进行模型的实时更新，实现识别部分的动态优化。

5.根据权利要求1所述煤矸石的识别方法，其特征在于，在步骤9的实施过程中：

若识别结果一致且反馈正确，则按照识别结果处理；

若识别结果不一致，则按照反馈结果进行处理。

6.根据权利要求1所述煤矸石的识别方法，其特征在于，

所述识别网络模型拥有13层网络结构，具体包括输入层、四层卷积层、四层池化层、三层全连接层、Softmax输出层。