一种基于视频图像识别的球团生球粒度分类方法与流程

技术特征：
1.一种基于视频图像识别的球团生球粒度分类方法，其特征在于，所述的方法包括如下步骤：步骤1、制备球团生球图像训练集；步骤2、构建球团生球粒度识别神经网络，并对其网络参数进行初始化，得到初级球团生球粒度识别神经网络；步骤3、构建损失函数，以损失函数最小为目标，并通过训练集对初级球团生球粒度识别神经网络进行训练，直至损失函数小于α，得到训练完成的球团生球粒度识别神经网络；步骤4、采集待识别的球团生球图像，将待识别球团生球图像预处理后输入训练完成的球团生球粒度识别神经网络中，得到球团生球粒度分类的数量统计结果。2.如权利要求1所述的基于视频图像识别的球团生球粒度分类方法，其特征在于，所述的球团生球图像训练集的制备步骤包括：1.1、采集不同粒度等级g
n
(n为自然数)的球团生球图像，且每个粒度等级的球团生球图像采集n(n为自然数)张；1.2将采集的不同粒度等级的球团生球图像进行预处理，并将预处理过后的不同粒度等级的球团生球图像作为训练集。3.根据权利要求2所述的基于视频图像识别的球团生球粒度分类方法，其特征在于，所述步骤1.2中对不同粒度等级的球团生球图像进行预处理的具体方法为：2-1、对不同粒度等级的球团生球图像依次进行高斯滤波、均值滤波、最小均方差滤波和gabor滤波，得到一级处理球团生球图像；2-2、将一级处理球团生球图像进行灰度化处理，得到二级处理球团生球图像；2-3、求取二级处理球团生球图像中像素点的梯度，并根据梯度将二级处理球团生球图像进行灰度表示，得到三级处理球团生球图像；2-4、将三级处理球团生球图像进行轮廓化，并将轮廓边界框定矩形，得到四级处理球团生球图像；2-5、提取四级处理球团生球图像中各个球团生球的像素点的矩形区域，获取预处理后的不同粒度等级的球团生球图像。4.根据权利要求3所述的基于视频图像识别的球团生球粒度分类方法，其特征在于，所述步骤2-3的具体步骤为：3-1、依次求取二级处理球团生球图像函数f(x，y)中每个像素点的梯度g[f(x，y)]为：g[f(x，y)]＝|f(i，j)-f(i 1，j 1)| |f(i 1，j)-f(i，j 1)|其中，x表示像素点的横坐标，y表示像素点的纵坐标，x＝0，1，2，...，x，y＝0，1，2，...，y，x表示最大横坐标，y表示最大纵坐标，i∈x，j∈y；3-2、设定灰度阈值t，根据灰度阈值t和每个像素点的梯度g[f(x，y)]，将二级处理球团生球图像进行灰度g(x，y)表示，得到三级处理球团生球图像；所述灰度g(x，y)为：其中，m表示位于轮廓上的像素点，n表示非轮廓线上的像素点。5.根据权利要求3所述的基于视频图像识别的球团生球粒度分类方法，其特征在于，所
述步骤2-4的具体步骤为：4-1、随机在三级处理球团生球图像中寻找一个灰度g(x，y)＝m的像素点，记该像素点为(x0，y0)；4-2、以像素点(x0，y0)为中心，提取像素点(x0，y0)的所有相邻像素点中灰度为m的像素点；4-3、选取步骤4-2中灰度为m的像素点中梯度最大的像素点，并以此梯度最大的像素点为中心，提取其所有相邻像素点中灰度为m的像素点；4-4、根据步骤4-3的方法进行类推，获取三级处理球团生球图像中的轮廓像素点，得到四级处理球团生球图像。6.根据权利要求3所述的基于视频图像识别的球团生球粒度分类方法，其特征在于，所述步骤2-5中提取四级处理球团生球图像中轮廓区域，获取预处理后的不同粒度等级的球团生球图像的具体步骤为：提取不同粒度等级的四级处理球团生球图像中包含所有轮廓像素点的矩形区域，获取预处理后的不同粒度等级的球团生球图像。7.根据权利要求1所述的基于视频图像识别的球团生球粒度分类方法，其特征在于，所述步骤3中球团生球粒度识别神经网络的具体结构包括依次连接的输入层、第一卷积层conv-1、第一最大池化层maxpool-1、第二卷积层conv-2、第二最大池化层maxpool-2、第三卷积层conv-3、第三最大池化层maxpool-3、第一全连接层fc-1、第二全连接层fc-2、第三全连接层fc-3、softmax层和输出层。8.根据权利要求1所述的基于视频图像识别的球团生球粒度分类方法，其特征在于，所述步骤3中的损失函数l具体为：其中，m＝0,1,2,
…
,m，m表示每一类粒度的球团生球图像样本的总数，n＝0,1,2,
…
,n，n表示球团生球图像样本类别数，δ(y
m
＝n)表示球团生球识别神经网络计算得到的第m个样本的输出结果为第n类情况下的激活函数值，表示第m个样本为第n类的概率。9.根据权利要求1所述的基于视频图像识别的球团生球粒度分类方法，其特征在于，所述步骤4中将预处理后的待识别球团生球图像输入训练完成的球团生球粒度识别神经网络中，得到球团生球粒度分类的数量统计结果具体步骤为：9-1、将预处理后的待识别图像输入训练完成的球团生球识别神经网络中；9-2、采集输出层的分类结果为p
qn
为待识别图像中第q个球团生球对应第g
n
粒度等级的概率。9-3、选取p
q1
,p
q2
,
…
,p
qn
中的最大值，该最大值对应的粒度等级作为第q个球团生球的粒度等级；9-4、统计待识别图像中对应g
n
粒度等级的球团生球数量，并计算出各粒度等级的百分比。

技术总结
本发明公开了一种基于视频图像识别的球团生球粒度分类方法。包括以下步骤：制备球团生球图像训练集；构建球团生球粒度识别神经网络，并对其网络参数进行初始化，得到初级球团生球粒度识别神经网络；构建损失函数，以损失函数最小为目标，并通过训练集对初级球团生球粒度识别神经网络进行训练，直至损失函数小于α，得到训练完成的球团生球粒度识别神经网络；采集待识别的球团生球图像，将待识别球团生球图像预处理后输入训练完成的球团生球粒度识别神经网络中，得到球团生球粒度分类的数量统计结果。本发明通过实现球团生球粒度分类的数量统计、占比分析，辅助生产操作人员或现场工作人员调节打水量，使球团生球粒度范围回归正常。归正常。归正常。


技术研发人员：高遒 黄飞 朱波 朱月梅 吴昊 彭鹏 张宇思 吴隐龙 李晟
受保护的技术使用者：中冶华天南京工程技术有限公司 中冶华天南京电气工程技术有限公司
技术研发日：2022.03.30
技术公布日：2022/6/14