[发明专利]干湿污泥分类方法和装置

说明书

本发明提供一种干湿污泥分类方法和装置，所述方法包括以下步骤：获取样本数据集，其中，样本数据集中包含多个干污泥的样本图像和多个湿污泥的样本图像；通过模板匹配法获取每个样本图像中的污泥区域以更新样本数据集；通过更新后的样本数据集对神经网络进行训练，得到干湿污泥分类模型，其中，在训练时自动对样本图像进行环境变换处理；获取待检测图像，并通过模板匹配法获取待检测图像中的污泥区域以更新待检测图像；将更新后的待检测图像输入干湿污泥分类模型，以判断待检测图像中的污泥为干污泥或湿污泥。本发明分类效率较高，人工成本较低，且分类准确率较高，适用范围较广。

技术领域

本发明涉及深度学习技术领域，具体涉及一种干湿污泥分类方法、一种干湿污泥分类装置、一种计算机设备、一种非临时性计算机可读存储介质和一种计算机程序产品。

背景技术

目前对于干污泥与湿污泥的识别分类大多是通过人工视力观察的方式来完成的，存在效率低下，人工成本高，准确率浮动较大等缺陷。

发明内容

本发明为解决上述技术问题，提供了一种干湿污泥分类方法和装置，分类效率较高，人工成本较低，且分类准确率较高，适用范围较广。

本发明采用的技术方案如下：

一种干湿污泥分类方法，包括以下步骤：获取样本数据集，其中，所述样本数据集中包含多个干污泥的样本图像和多个湿污泥的样本图像；通过模板匹配法获取每个样本图像中的污泥区域以更新所述样本数据集；通过更新后的样本数据集对神经网络进行训练，得到干湿污泥分类模型，其中，在训练时自动对样本图像进行环境变换处理；获取待检测图像，并通过模板匹配法获取所述待检测图像中的污泥区域以更新所述待检测图像；将更新后的待检测图像输入所述干湿污泥分类模型，以判断所述待检测图像中的污泥为干污泥或湿污泥。

在训练时还对样本图像进行平移、旋转和缩进处理。

其中，所述模板匹配法包括：将样本图像或待检测图像分解为矩阵形式，并将矩阵形式的图像中的特征按照坐标进行排列；通过图像比对获取图像中的污泥区域，并进行坐标定位。

所述神经网络为VGG(一种深度卷积神经网络)网络或Inception网络。

一种干湿污泥分类装置，包括：第一获取模块，所述第一获取模块用于获取样本数据集，其中，所述样本数据集中包含多个干污泥的样本图像和多个湿污泥的样本图像；第一匹配模块，所述第一匹配模块用于通过模板匹配法获取每个样本图像中的污泥区域以更新所述样本数据集；训练模块，所述训练模块用于通过更新后的样本数据集对神经网络进行训练，得到干湿污泥分类模型，其中，在训练时自动对样本图像进行环境变换处理；第二获取模块，所述第二获取模块用于获取待检测图像；第二匹配模块，所述第二匹配模块用于通过模板匹配法获取所述待检测图像中的污泥区域以更新所述待检测图像；检测模块，所述检测模块用于将更新后的待检测图像输入所述干湿污泥分类模型，以判断所述待检测图像中的污泥为干污泥或湿污泥。

所述训练模块在训练时还对样本图像进行平移、旋转和缩进处理。

其中，所述模板匹配法包括：将样本图像或待检测图像分解为矩阵形式，并将矩阵形式的图像中的特征按照坐标进行排列；通过图像比对获取图像中的污泥区域，并进行坐标定位。

一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现上述干湿污泥分类方法。

一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述干湿污泥分类方法。

一种计算机程序产品，当所述计算机程序产品中的指令由处理器执行时，执行上述干湿污泥分类方法。

本发明的有益效果：