[发明专利]一种基于实例分割算法的堆石坝料分割方法

说明书

本发明公开了一种基于实例分割算法的堆石坝料分割方法，包括：(1)采集样本图像，以施工现场自然环境下的土石坝料作为研究对象；(2)建立图像预处理模块，裁剪样本并为转换灰度图像，对图像进行对比度拉伸及暗通道去雾；(3)制作图像数据库，利用labelme进行图像标注及划分；(4)将数据集导入实例分割网络模型，利用迁移学习加载预训练权重进行样本训练，通过组建的Resnet101模块、特征金字塔模块、ROIAlign模块实现土石颗粒的分类与回归预测；(5)利用步骤(4)得到的训练结果，对土石样本预测，实现土石坝料颗粒的分割与形态特征提取。本发明基于深度学习实例分割技术保证了检测精确度与检测效率，简化了操作流程，环境适应性强，分割精度高。

技术领域

本发明涉及堆石坝料施工领域，尤其涉及一种基于实例分割算法的堆石坝料分割方法。

背景技术

土石坝是世界坝工建设中应用最为广泛和发展最快的一种坝型。堆石坝是土石坝的一种坝型，其坝体主要以石料填筑，可利用当地的天然材料，施工方式较为简单，抗震性能好，可适用不同的地质条件。填筑石料主要通过现场爆破获取，爆破石料颗粒形状无规则，尺度变化较大。石料级配对碾压效果影响较大，是决定层面压实度的重要指标之一。级配占比良好的土石料中，小颗粒石料可较大程度填充大颗粒石料堆叠孔隙，保证层面强度、压实度，提升稳定性与耐久性，降低孔隙率。

目前，石料级配确定方法主要由人工筛选获取，其具体操作方法是在施工现场划分单元格并挖坑取样，通过人工筛网筛分的方式进行级配料的颗粒分析实验。此种方法虽技术成熟但效率极低，严重影响工期进度。其代表性较差，准确度与可信度完全依赖实验员水平，经济投入高回报率低。

在传统计算机视觉领域方面，部分专家学者对此进行过相关研究。张仕林等人提出基于数字图像处理的土石坝筑坝材料颗粒级配检验方法，通过将采集的颗粒图像转换为级配曲线，并构建非线性拟合数学模型实现级配预测，但此种方法图像识别误差较大，数学模型拟合结果完全依赖于图像采集的颗粒图像。沙爱民等人提出基于图像的沥青混合料矿料级配检测方法通过对数字图像进行中值滤波、阈值分割等形态学操作，提取颗粒特征参数，此种方式适用范围较小，无法满足批量图像样本处理。吕超等人提出基于数字图像处理技术的砂土颗粒级配分析研究，通过电镜实验获取原始图像，在对其进行定量分析，此种方法效率较低，且实验环境受限无法满足现场施工要求。

发明内容

发明目的：为了解决目前土石坝料人工筛选颗粒效率低以及传统计算机视觉手段准确性低，外界干扰因素大，使用条件受限的问题，本发明提出一种基于实例分割算法的土石坝料颗粒快速分割方法。

技术方案：一种基于实例分割算法的堆石坝料分割方法，包括以下步骤：

(1)采集样本图像，以施工现场自然环境下的土石坝料作为研究对象；

(2)建立图像预处理模块，裁剪样本并为转换灰度图像，对图像进行对比度拉伸及暗通道去雾；

(3)制作图像数据库，利用labelme进行图像标注及划分；

(4)将数据集导入实例分割网络模型，利用迁移学习加载预训练权重进行样本训练，通过组建的Resnet101模块、特征金字塔模块、ROIAlign模块实现土石颗粒的分类与回归预测；

(5)利用步骤(4)得到的训练结果，对土石样本预测，实现土石坝料颗粒的分割与形态特征提取。

所述步骤(1)为通过无人机拍摄土石坝施工现场仓面图像，拍摄时间在仓面铺料及整平场地后，振动碾压之前；图像采集环境按照天气条件分为五种，包括晴天、阴天、傍晚、雨天以及雾霾天气，根据岩石的风化程度分别采集不同料场的岩石种类，包括微风化以及未风化。

所述步骤(2)包括：

(2.1)将步骤(1)采集得到的图像进行图像预处理加工，将三通道RGB图像转变为单通道灰度图像；