[发明专利]基于前景背景的分离与关联的矿物分离效果的检测方法在审
申请号: | 202110074956.6 | 申请日: | 2021-01-20 |
公开(公告)号: | CN112733853A | 公开(公告)日: | 2021-04-30 |
发明(设计)人: | 吴文浩 | 申请(专利权)人: | 成都羿层娇网络科技有限公司 |
主分类号: | G06K9/32 | 分类号: | G06K9/32;G06K9/46;G06K9/62;G06N3/04;G06N3/08 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 610000 四川省成都市青白江区正兴*** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 前景 背景 分离 关联 矿物 效果 检测 方法 | ||
1.一种基于前景背景的分离与关联的矿物分离效果的检测方法,其特征在于,包括:
获取待检测矿浆图像,所述矿浆图像中包含矿浆部分和从矿浆中浮出的泡沫产品;
将所述待检测矿浆图像通过第一卷积神经网络以获得初始特征图;
确定所述初始特征图中对应于所述矿浆部分的第一感兴趣区域和对应于所述泡沫产品的第二感兴趣区域;
提取所述初始特征图中所述第一感兴趣区域中的特征值并以默认值填充其他部分,以获得背景特征图;
提取所述初始特征图中所述第二感兴趣区域中的特征值并以默认值填充其他部分,以获得前景特征图;
将所述前景特征图和所述背景特征图分别输入第二卷积神经网络,以获得第一特征图和第二特征图;
计算所述第一特征图与所述第二特征图之间的余弦距离,以作为所述第一特征图与所述第二特征图之间的相似度系数;
基于所述相似度系数,融合所述第一特征图和所述第二特征图,以获得第三特征图;
将所述第一特征图、第二特征图和所述第三特征图进行融合,以获得分类特征图;以及
将所述分类特征图通过分类器以获得分类结果,所述分类结果用于表示浮选柱的矿物分离效果是否符合预设标准。
2.根据权利要求1所述的基于前景背景的分离与关联的矿物分离效果的检测方法,其中,确定所述初始特征图中对应于所述矿浆部分的第一感兴趣区域和对应于所述泡沫产品的第二感兴趣区域,包括:
通过图像语义分割,确定所述初始特征图中对应于所述矿浆部分的第一感兴趣区域和对应于所述泡沫产品的第二感兴趣区域。
3.根据权利要求1所述的基于前景背景的分离与关联的矿物分离效果的检测方法,其中,提取所述初始特征图中所述第二感兴趣区域中的特征值并以默认值填充其他部分,以获得前景特征图,包括:
对所述初始特征图进行全局平均值池化处理,以获得一个特征值;以及
提取所述初始特征图中所述第二感兴趣区域中的特征值并以所述特征值作为默认值填充其他部分,以获得前景特征图。
4.根据权利要求1所述的基于前景背景的分离与关联的矿物分离效果的检测方法,其中,基于所述相似度系数,融合所述第一特征图和所述第二特征图,以获得第三特征图,包括:
以所述相似度系数作为所述第一特征图的加权系数和以一减去所述相似度系数作为所述第二特征图的加权系数,计算所述第一特征图与所述第二特征图的加权和,以获得所述第三特征图。
5.根据权利要求1所述的基于前景背景的分离与关联的矿物分离效果的检测方法,其中,将所述分类特征图通过分类器以获得分类结果,所述分类结果用于表示浮选柱的矿物分离效果是否符合预设标准,包括:
将所述分类特征图通过一个或多个全连接层,以获得分类特征向量;及
将所述分类特征向量输入Softmax分类函数,以获得所述分类结果。
6.根据权利要求1所述的基于前景背景的分离与关联的矿物分离效果的检测方法,其中,所述第一卷积神经网络和所述第二卷积神经网络为深度残差网络。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于成都羿层娇网络科技有限公司,未经成都羿层娇网络科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110074956.6/1.html,转载请声明来源钻瓜专利网。