[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

说明书

本申请涉及智慧制造领域下的智能质量检测，其具体地公开了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，其通过卷积神经网络提取背景特征图和前景特征图中更高维特征，并以背景特征图和前景特征图在更高维空间中的余弦距离来表征两者之间的相似度，以所述相似度对特征图进行融合以获得第三特征图，这样，最终融合的特征图包含能够充分地表征图像中矿浆部分和泡沫产品部分之间的关联特征，从而提高分类效果。

技术领域

本发明涉及智慧制造领域下的智能质量检测，且更为具体地，涉及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、基于前景背景的分离与关联的矿物分离效果的检测系统和电子设备。

背景技术

在火力发电厂的燃煤锅炉中，煤炭经燃烧以后产生烟气，烟气中含有大量的烟尘，烟气经过电除尘器后，其中的气体与粉尘分离，分离出来的粉尘就是粉煤灰。粉煤灰通常进一步通过浮选柱进行处理，浮选柱是浮游选矿柱的简称，其通过浮选过程来分离矿物。具体地，在浮选柱中，经加入药剂处理后粉煤灰形成矿浆，通过搅拌充气后，其中的某些矿粒会选择性地固着于气泡之上浮至矿浆表面。这样，通过刮出形成的泡沫产品与矿浆分离，就可以达到分离矿物。

但是，如果需要检测浮选柱的矿物分离效果，需要单独地对泡沫产品和矿浆的成分进行检测，在实际应用中，已经有很多熟练工人通过观察从矿浆浮出的泡沫产品来粗略地判断浮选柱的矿物分离效果。

目前，深度学习以及神经网络已经广泛应用于计算机视觉、自然语言处理、文本信号处理等领域。此外，深度学习以及神经网络在图像分类、物体检测、语义分割、文本翻译等领域，也展现出了接近甚至超越人类的水平。

基于此，本申请的发明人期望通过引入基于深度学习的计算机视觉技术，来进一步在视觉层面上获得浮选柱的矿物分离效果的检测方案。

发明内容

为了解决上述技术问题，提出了本申请。本申请的实施例提供了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、基于前景背景的分离与关联的矿物分离效果的检测系统和电子设备，其通过卷积神经网络提取背景特征图和前景特征图中更高维特征，并以背景特征图和前景特征图在更高维空间中的余弦距离来表征两者之间的相似度，以所述相似度对特征图进行融合以获得第三特征图，这样，最终融合的特征图包含能够充分地表征图像中矿浆部分和泡沫产品部分之间的关联特征，从而提高分类效果。

根据本申请的一个方面，提供了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。