[发明专利]一种砾石的粒度分布测量方法及装置

权利要求书

1.一种砾石的粒度分布测量方法，其特征在于，包括：

将待测的第一图像输入至预设的神经网络模型，得到所述神经网络模型输出的所述第一图像对应的第一阈值和第二阈值；其中，所述第一图像包括多个砾石和背景物；

基于自动粒度分布算法和所述第一阈值去除所述第一图像中的背景物，得到第二图像；

采用区域填充技术对所述第二图像中的各个砾石进行填充，得到第三图像；

将所述第二阈值作为H-minima变换中的h值，基于所述H-minima变换的分水岭算法对所述第三图像中的各个砾石进行分割，得到第四图像；

采用Hotelling变换测量所述第四图像中各个砾石的短轴，以对所述第四图像中的各个砾石进行分类，并绘制各类砾石的粒度分布图。

2.如权利要求1所述的砾石的粒度分布测量方法，其特征在于，所述神经网络模型为基于反向传播的模糊神经网络。

3.如权利要求1所述的砾石的粒度分布测量方法，其特征在于，将待测的第一图像输入至预设的神经网络模型，之前还包括：

获取待测的原始彩色图像；其中，所述原始彩色图像包括多个砾石和背景物；

采用离散小波变换对所述原始彩色图像进行下采样，得到待测的第一图像。

4.如权利要求1所述的砾石的粒度分布测量方法，其特征在于，所述神经网络模型按照如下方法获取：

获取多个样本原始彩色图像；其中，所述样本原始彩色图像包括多个砾石和背景物；

采用离散小波变换对每个所述样本原始图像进行下采样，得到每个所述样本原始图像对应的第一样本图像；

获取每个所述第一样本图像对应的第一样本阈值和第二样本阈值，并将每个所述样本原始图像及对应的第一样本阈值和第二样本阈值组合作为一个样本；

将多个所述样本组合形成训练集，基于所述训练集训练所述神经网络模型以调整所述神经网络模型的参数。

5.如权利要求4所述的砾石的粒度分布测量方法，其特征在于，基于所述训练集训练所述神经网络模型以调整所述神经网络模型的参数，包括：

对于任意一个所述样本，将所述样本中的所述第一样本图像输入至所述神经网络模型，输出所述第一样本图像对应的第一预测阈值和第二预测阈值；

采用预设的损失函数根据所述第一预测阈值与所述样本中的所述第一样本阈值，以及所述第二预测阈值与所述样本中的所述第二样本阈值，计算损失值；

若所述损失值小于预设阈值，则所述神经网络模型训练完成。

6.如权利要求4所述的砾石的粒度分布测量方法，其特征在于，获取每个所述第一样本图像对应的第一样本阈值和第二样本阈值，包括：

基于自动粒度分布算法，获取每个所述第一样本图像对应的第一样本阈值和第二样本阈值。

7.一种砾石的粒度分布测量装置，其特征在于，包括：

输入模块，用于将待测的第一图像输入至预设的神经网络模型，得到所述神经网络模型输出的所述第一图像对应的第一阈值和第二阈值；其中，所述第一图像包括多个砾石和背景物；

背景去除模块，用于基于自动粒度分布算法和所述第一阈值去除所述第一图像中的背景物，得到第二图像；

填充模块，用于采用区域填充技术对所述第二图像中的各个砾石进行填充，得到第三图像；

分割模块，用于将所述第二阈值作为H-minima变换中的h值，基于所述H-minima变换的分水岭算法对所述第三图像中的各个砾石进行分割，得到第四图像；

绘制模块，用于采用Hotelling变换测量所述第四图像中各个砾石的短轴，以对所述第四图像中的各个砾石进行分类，并绘制各类砾石的粒度分布图。