一种基于机器视觉的矿石块度检测分析方法及系统与流程

本发明涉及机器视觉，具体来说，涉及一种基于机器视觉的矿石块度检测分析方法及系统。

背景技术：

1、矿石块度是矿山开采、破碎、筛分及输送工序的核心质量指标，直接决定破碎设备运行效率、选矿成品品质及矿山生产能耗。现阶段矿山矿石块度检测主要分为人工检测与传统机器视觉检测两类方式，其中人工检测依赖人工抽样筛分、尺量统计，操作繁琐、检测时效性差，且仅能实现局部抽样检测，无法覆盖全工况矿石物料，检测结果随机性、误差性较大，难以适配矿山连续化、自动化生产需求。

2、传统机器视觉检测技术虽替代了人工操作，实现了自动化检测，但多采用固定阈值分割、边缘检测等基础图像处理算法，常规工况下可完成基础块度识别，目前已广泛应用于矿石初步筛分检测场景。

3、现有的矿石块度检测分析方法，虽然能够通过rgb相机采集二维图像并结合图像分割算法实现矿石的像素级识别，达到替代人工筛分和肉眼观测的效果，但是由于其仅依赖二维rgb图像，无法获取矿石的空间三维信息，导致对堆叠遮挡场景下被覆盖矿石的轮廓无法完整重建，且二维等效粒径难以表征矿石的真实三维尺寸，严重影响了粒度分布的检测精度和统计可靠性。

4、针对相关技术中的问题，目前尚未提出有效的解决方案。

技术实现思路

1、针对相关技术中的问题，本发明提出一种基于机器视觉的矿石块度检测分析方法及系统，以克服现有相关技术所存在的上述技术问题。

2、为此，本发明采用的具体技术方案如下：

3、第一方面，本发明提供了一种基于机器视觉的矿石块度检测分析方法，包括：

4、采集矿石流的彩色图像及深度图并进行预处理，将预处理后的深度图与预处理后的彩色图进行像素级配准，反投影为三维点云；

5、对预处理后的彩色图像与预处理后的深度图进行多尺度特征提取，得到彩色特征图和深度特征图；

6、对彩色特征图与深度特征图进行跨模态自适应融合和三维实例分割，输出各矿石的二维实例掩膜，并根据二维实例掩膜从三维点云中索引提取各矿石的三维点云子集；

7、根据各矿石的三维点云子集，计算并统计每块矿石的三维等效粒径，得到粒度分布初步统计结果；

8、根据各矿石的三维点云子集，计算每块矿石的可见性置信度，根据可见性置信度对粒度分布初步统计结果进行加权校正，输出校正后的粒度分布结果，以完成对矿石块度的检测分析。

9、第二方面，本发明还提供了一种基于机器视觉的矿石块度检测分析系统，该系统包括：

10、图像采集模块，用于采集矿石流的彩色图像及深度图并进行预处理，将预处理后的深度图与预处理后的彩色图进行像素级配准，反投影为三维点云；

11、特征提取模块，用于对预处理后的彩色图像与预处理后的深度图进行多尺度特征提取，得到彩色特征图和深度特征图；

12、融合与分割模块，用于对彩色特征图与深度特征图进行跨模态自适应融合和三维实例分割，输出各矿石的二维实例掩膜，并根据二维实例掩膜从三维点云中索引提取各矿石的三维点云子集；

13、粒度统计模块，用于根据各矿石的三维点云子集，计算并统计每块矿石的三维等效粒径，得到粒度分布初步统计结果；

14、结果校正模块，用于根据各矿石的三维点云子集，计算每块矿石的可见性置信度，根据可见性置信度对粒度分布初步统计结果进行加权校正，输出校正后的粒度分布结果，以完成对矿石块度的检测分析。

15、本发明的有益效果为：

16、1）本发明通过rgb-d相机同步采集彩色图像与深度图并反投影为三维点云，无需接触式标定即可获取矿石三维空间信息，提升了检测系统的便捷性。

17、2）本发明通过双分支提取彩色与深度多尺度特征，并利用跨模态自适应融合机制对彩色特征与深度特征进行动态加权融合，提升了堆叠粘连矿石的分割精度，克服了纯彩色方法在纹理模糊或光照变化场景下的分割失效问题。

18、3）本发明通过三维实例分割输出二维实例掩膜，并据此从三维点云中索引提取各矿石的三维点云子集，实现了逐矿石的三维几何信息提取。

19、4）本发明基于各矿石的三维点云子集构建三维有向包围盒，以三边长度的几何平均作为三维等效粒径，相比二维拟合方式能够真实反映矿石三维尺寸，提升了对不规则形状矿石的测量精度。

20、5）本发明基于三维点云子集的实际点数与理论期望点数的比值构建可见性置信度，对粒度分布统计结果进行加权校正，抑制了因矿石堆叠遮挡导致的粒度统计偏差。

1.一种基于机器视觉的矿石块度检测分析方法，其特征在于，包括：

2.根据权利要求1所述的一种基于机器视觉的矿石块度检测分析方法，其特征在于，所述采集矿石流的彩色图像及深度图并进行预处理，将预处理后的深度图与预处理后的彩色图进行像素级配准，反投影为三维点云包括：

3.根据权利要求1所述的一种基于机器视觉的矿石块度检测分析方法，其特征在于，所述对预处理后的彩色图像与预处理后的深度图进行多尺度特征提取，得到彩色特征图和深度特征图包括：

4.根据权利要求1所述的一种基于机器视觉的矿石块度检测分析方法，其特征在于，所述对彩色特征图与深度特征图进行跨模态自适应融合和三维实例分割，输出各矿石的二维实例掩膜，并根据二维实例掩膜从三维点云中索引提取各矿石的三维点云子集包括：

5.根据权利要求4所述的一种基于机器视觉的矿石块度检测分析方法，其特征在于，所述计算彩色特征图与深度特征图之间的通道权重系数，并根据通道权重系数对彩色特征图与深度特征图进行加权融合，生成各尺度对应的融合特征图包括：

6.根据权利要求4所述的一种基于机器视觉的矿石块度检测分析方法，其特征在于，所述从各尺度对应的融合特征图中提取语义特征并恢复空间分辨率，增强矿石边缘的特征响应，输出各矿石的二维实例分割掩膜包括：

7.根据权利要求1所述的一种基于机器视觉的矿石块度检测分析方法，其特征在于，所述根据各矿石的三维点云子集，计算并统计每块矿石的三维等效粒径，得到粒度分布初步统计结果包括：

8.根据权利要求1所述的一种基于机器视觉的矿石块度检测分析方法，其特征在于，所述根据各矿石的三维点云子集，计算每块矿石的可见性置信度，根据可见性置信度对粒度分布初步统计进行加权校正，输出校正后的粒度分布结果，以完成对矿石块度的检测分析包括：

9.根据权利要求8所述的一种基于机器视觉的矿石块度检测分析方法，其特征在于，所述遍历各矿石的三维点云子集，根据各矿石的三维点云子集中的实际点云点数与理论期望点数的比值，计算每块矿石的可见性置信度包括：

10.一种基于机器视觉的矿石块度检测分析系统，用于实现权利要求1-9中任一项所述的一种基于机器视觉的矿石块度检测分析方法，其特征在于，该系统包括：