CN119515956A 材料粒度测量方法、装置、设备及存储介质 （宁德时代新能源科技股份有限公司）

将各子图的识别结果进行融合得到整个图像的2基于所述分块材料图像区域特征对多个所述分块材料图像进行颗基于所述分块材料图像区域特征对多个所述分块材料图像进行边界检在所述匹配结果为边界特征匹配一致的情况下，基于所述分块材料图像区域特征得到各个分块材料图像根据所述边界分割掩码得到各个分块材料图获取所述分割掩码在对应的所述分块材料图根据所述子图索引和所述索引号得到各个分块材料图像中的分割通过所述边界分割掩码索引匹配各边界分割掩码的目标在所述匹配结果为边界特征匹配一致的情况下，基于所述边界特征得到目标分割掩3根据未匹配一致的分割掩码索引和所述融合索引对列通过所述颗粒尺寸和所述颗粒分布密度对所述当前材料图像进行图将多个所述分块材料图像输入目标图像识别模型，通过所述目标图通过所述目标图像识别模型中的区域生成网络对所述第一特征图进通过所述目标图像识别模型中的感兴趣提取网络对所述候选区域进行特征提通过所述目标图像识别模型中的头部网络对所述候选特征进行对象检测和实例分割，根据所述过滤分块材料图像的类型、边界框以及分割掩码得到分块材料图像区域特12.如权利要求10所述的方法，其特征在于，所述目标图像识别模型通过如下方式训获取第一训练样本和第一验证样本，其中，所述第一训练样通过所述第一训练样本和所述训练参数对初始化后的所4通过所述损失值对初始化后的所述深度学习模型的训练参数进行调相应的，所述对多个所述分块材料图像进行图像识别，得将多个所述分块材料图像输入图像放大模型中的目标生成器，通过将所述目标分辨率分块图像输入图像放大模型中的目标判别器在所述概率值大于等于预设阈值的情况下，将所述目标分辨将多个所述分块材料图像输入图像放大模型中的目标生成器，通过所通过所述目标生成器中的残差块对所述初始分块材料图像进行特征提取和残差连接，通过所述目标生成器中的后处理层对所述参考分块材料将所述目标分辨率分块图像输入图像放大模型中的目标判别器获取第二训练样本和第三训练样本，其中，所述第二训练样本5通过所述判定结果进行参数调整，以对所述初始生成器和所述初始判别器进行训练，通过所述目标生成器和所述目标判别器得到图像融合模块，用于基于所述分块材料图像区域特征对多个所述上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至18中任一项所6解决目前材料粒度测量对硬件要求较高且识别效果较差[0009]在一些实施例中，基于分块材料图像区域特征对多个分块材料图像进行边界检7基于分块材料图像区域特征得到各个分块材料图像根据子图索引和索引号得到各个分块材料图像中的分割通过边界分割掩码索引匹配各边界分割掩码的目标根据未匹配一致的分割掩码索引和融合索引对列8通过目标图像识别模型中的区域生成网络对第一特征图进行处理，生成候选区根据过滤分块材料图像的类型、边界框以及分割掩码得到分块材料图像区域特9[0045]上述说明仅是本申请技术方案的概述，为了能够更清楚图3为本申请实施例提出的材料粒度测量方法一实施例的分块材料图像融合的分图9为本申请实施例提出的材料粒度测量方法一实施例中对某材料的颗粒识别效图11为本申请实施例中材料粒度测量方法涉及的硬件运行环境的设备结构示意技术人员通常理解的含义相同；本文中所使用的术语只是为了描述具体的实施例的目的，图均衡技术对滤除噪声后的材料图像进行增强对比度处理，从而提高颗粒与背景的区分[0075]在一些实施例中，对各个分块材料图像进行颗粒融合具体为融合被误分割的颗[0078]需要说明的是，分块材料图像区域特征中可包括各个分割为4个子图，各个子图中均有多个分割掩码，各个子图中的分割掩码数量可相等或不相码存在相邻的分割掩码，边界特征匹配不一致说明相邻的分块颗粒图像中的边界分割掩码可先根据边界特征中的各个边界分割掩码筛选确体可用于识别各个分块材料图像中的图像特征信息。目标图像识别模型可为深度学习模像分割和对象检测模型，其结构主要基于FasterR_CNN，并添加了用于实例分割的分支。[0155]为了提高模型的泛化能力，需要对第一训练样本和第一提前进行训练得到。[0166]在具体实施中，可通过目标图像识别模型对多个放大分块材料图像进行图像识[0169]需要说明的是，图像放大模型可为SRGAN模型（Super_ResolutionGenerativeAdversarialNetwork，用于图像超分辨率的深度学习模型还可为DRRN(DeepRecursiveResidualNetwork)、LapSRN(LaplacianPyramidSuper_Resolution基于深度学习的超分辨率重建算法从而将分块材料图像放大2倍，例如提高图像分辨率至成器中的残差块对初始分块材料图像进行特征提取和残差连接，得到参考分块材料图像；层中的升采样层将卷积后的图像再次进行尺寸放大，从而将特征图转换为高分辨率图像，[0178]需要说明的是，目标判别器用于区分生成的高分辨率图像和真实的高分辨率图处理，每个卷积层后面都设有一个批量归一化层和一个激活函数，激活函数可为[0183]在最后，目标判别器会通过一个或多个全连接层将第二特征图转换为一个概率率分块图像剔除。若目标判别器输出的概率值大于等于0.9，则将目标分辨率分块图申请提供的材料粒度测量装置的有益效果与上述实施例提供的材料粒度测量方法的有益请提供的材料粒度测量设备的有益效果与上述实施例提供的材料粒度测量方法的有益效[0232]本申请提供一种计算机可读存储介质，具有存储在其上的计算机可读程序指令（即计算机程序计算机可读程序指令用于执行上上述的任意合适的组合。在本实施例中，计算机可读存储介质可以是任何包含或存储程序[0236]可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。计算机可读存储介质的有益效果与上述实施例提供的材料粒度测量方法的有益效果相同，[0241]本申请提供的计算机程序产品能够解决目前材料粒度测量对硬件要求较高且识他相关的技术领域均包括在本申请的专利保