基于深度卷积网络的矿岩图像分割算法研究

• 作者: 张振江 张宝金 刘伟新 李云涛 任海龙 荆洪迪 王子介
• 来源期刊: 采矿技术
• 关键词: 金属矿山 图像分割 卷积网络 OpenCV U-Net
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 智能化绿色开采
• 页码范围: 149-152,171
• 页数: 5页
• 语种: 中文
• DOI: 10.3969/j.issn.1671-2900.2021.05.041

摘要

在金属矿开采过程中,矿石图像的人工智能分割有着重要作用,但是采场爆堆矿岩分布状况复杂,矿岩图像颗粒粘连严重难以分割.现有的矿岩图像分割方法通常是先利用滤波降噪,再采用分水岭算法分割图像,这种方法存在局限性强和参数调整复杂等问题,不适合用于实际应用.结合矿岩图像特征和矿山实际需求,提出了一种基于U-Net深度卷积网络和OpenCV的矿岩图像分割算法,该算法将深度学习创新应用到矿岩图像分割领域,与最大类间方差法、聚类分析、边缘提取等分割方法相比,该算法分割精度高,分割效果好,并且可以直接获取效果图中矿岩块的数量,极大减少了图像的后续处理工作量.