确定岩石样本的岩石块度分布的计算机实现的方法、服务器和终端设备

摘要

本发明涉及一种用于确定岩石块度分布的计算机实现的方法、服务器、终端设备、计算机程序和计算机可读存储介质。计算机实现的方法包括：从摄像头获取岩石样本的图像；对图像使用神经网络算法以提取存在于图像中的每块岩石的岩石掩膜，每个岩石掩膜指示至少一个轮廓；以及使用与图像相关联的物理标度来确定样本的岩石块度分布。在这种情况下，可以自动确定岩石样本的岩石块度分布，以简化和改进用于选择机器和/或设定适于进一步处理或机器设定的机器参数的选择过程，同时加速选择过程并且降低误差率。

说明书

技术领域

本发明涉及一种用于确定岩石样本的岩石块度分布的计算机实现的方法、服务器、终端设备、计算机程序和计算机可读存储介质。特别地，本发明涉及使用机器学习从岩石样本的图像自动确定岩石块度分布。

背景技术

在采矿和聚集领域中，通常对于处理岩石的设备和服务的需求很大。例如，在采矿领域中提供压碎或研磨机以便提炼和进一步处理岩石。在这种情况下，为了优化处理本身或优化对于用于调整压碎/研磨机的配置参数的选择或对于用于压碎/研磨岩石的工具的选择，知道要进一步处理的岩石样本或从压碎/研磨机出来的岩石样本的岩石块度分布通常是非常重要的。例如，沿着生产线向下，可以使用许多不同的工具和机器来分离岩石并提炼矿石和矿物。

到目前为止，为了获得压碎的岩石样本的岩石块度分布，必须将压碎的岩石样本送到例如实验室，其中，压碎的岩石样本代表例如压碎的产品。在实验室中，分析压碎的岩石样本以获得岩石块度分布。分析压碎的岩石样本的一个选项是使用特定尺寸的筛子来分离存在于压碎的岩石样本中的不同块度的岩石。例如，如果选择了具有特定筛孔尺寸的筛子，则所有尺寸大于筛子的筛孔的岩石都被筛子拦阻，而尺寸较小的岩石则通过筛子落下。因此，岩石样本可以被分成岩石组，可根据岩石块度对岩石组进行区分，并且获得岩石块度分布。为了筛分，可以使用可能包含筛管或筛盘的筛分机，其中，具有不同筛孔尺寸的多个筛子位于彼此的顶部以形成管或一叠托盘。因此，利用该筛管或利用该叠托盘，可以根据岩石块度将岩石样本分成多个岩石组以获得岩石块度分布。

然而，问题是将岩石样本送到实验室以分析岩石样本并获得岩石块度分布是费力和耗时的。然而，如果略过将岩石样本送到实验室以获得岩石块度分布的步骤，则岩石样本的岩石块度分布是未知的并且因此不能知道压碎的岩石产物是否是期望的。

此外，不仅可以分析压碎的岩石样本以获得岩石块度分布，而且还可以分析被压碎或研磨之前的岩石样本。当在开始压碎或研磨过程之前知道岩石样本的岩石块度分布时，可以在压碎/研磨机中设定正确的配置参数以正确地调整压碎/研磨机。在这种情况下，配置参数例如是压碎岩石的速度、施加到岩石的压碎力、指示对岩石进行多长时间压碎的压碎持续时间等。此外，压碎或研磨过程之前的岩石块度分布可以在实验室中确定，这是费力且耗时的。然而，如果没有确定岩石块度分布，则非常难以选择与岩石样本的岩石块度分布相对应的压碎或研磨机的适当配置以用于进一步处理。当岩石块度分布已知时，可以避免用于岩石样本的进一步处理的机器的配置必须被适配多次，直到找到机器的正确配置。

用于确定岩石块度分布的这种传统系统必需消耗资源并花费时间。此外，存在较高的如下风险：选择了与岩石样本的岩石块度分布不对应的错误机器设定。因此，岩石块度分布的确定和用于找到与特定岩石样本相对应的机器的参数配置的调整过程可能是耗时、复杂且费力的。此外，调整过程易于出错。

本发明的目的是解决关于岩石块度分布确定和配置用于压碎或研磨具有特定岩石块度分布的岩石样本的压碎或研磨机的调整过程的技术问题。特别地，本发明提出了一种用于自动确定岩石样本的岩石块度分布的计算机实现的方法、服务器、终端设备、计算机程序和计算机可读存储介质，以便简化和改进调整过程，从而正确地调整适于进一步处理的压碎/研磨机，同时加速岩石块度分布确定和调整过程并且降低误差率。

发明内容

期望提供用于确定岩石块度分布的改进和简化方式的手段，该岩石块度分布随后可以在适于岩石样本的进一步处理的压碎过程中使用。此外，期望加速岩石块度分布的确定和/或压碎过程，同时降低用于确定岩石块度分布的误差率并且因此降低选择与岩石样本相对应的机器状况/配置的误差率。

至少一些所提及的目的和缺点通过独立权利要求的主题来解决。在从属权利要求中限定了进一步优选的实施方式。

根据本发明的一个方面，一种确定岩石块度分布的计算机实现的方法，包括：从摄像头获取岩石样本的图像；对图像使用神经网络算法以提取存在于图像中的每块岩石的岩石掩膜，每个岩石掩膜指示至少一个轮廓；以及使用与图像相关联的物理标度来确定样本的岩石块度分布。

根据本发明的另一方面，一种用于确定岩石块度分布的服务器，包括：获取单元，其被配置为从摄像头获取岩石样本的图像；处理器，其被配置为对图像使用神经网络算法以提取存在于图像中的每块岩石的岩石掩膜，每个岩石掩膜指示至少一个轮廓；以及确定单元，其被配置为使用与图像相关联的物理标度来确定样本的岩石块度分布。

根据本发明的另一方面，一种用于确定岩石块度分布的终端设备，包括：获取单元，其被配置为从终端设备的摄像头获取岩石样本的图像；处理器，其被配置为对图像使用神经网络算法以提取存在于图像中的每块岩石的岩石掩膜，每个岩石掩膜指示至少一个轮廓；以及确定单元，其被配置为使用与图像相关联的物理标度来确定样本的岩石块度分布。

根据本发明的另一方面，一种用于确定岩石块度分布的计算机程序包括指令，当程序由计算机执行时，这些指令使计算机执行计算机实现的方法。根据本发明的另一方面，提供了一种携带计算机程序的信号。

根据本发明的另一方面，一种用于确定岩石块度分布的计算机可读存储介质包括指令，当由计算机执行时，这些指令使计算机执行计算机实现的方法。

本发明的其它有利特征在权利要求中公开。

附图说明

图1A是采矿中的示例性工作站的图示。

图1B是筛子的管的图示。

图2A是根据本发明的采矿中的示例性工作站的图示。

图2B是根据本发明的实施方式的终端设备的图示。

图3是根据本发明的实施方式的终端设备与服务器的交互的图示。

图4是根据本发明的实施方式的终端设备的图示。

图5是岩石样本中的岩石的岩石掩膜(rock mask)的图示。

图6是根据本发明的实施方式的服务器的图示。

图7示出了示出根据本发明的实施方式的用于确定岩石块度分布的方法的流程图。

图8A、8B和8C示出了错误岩石掩膜的示例。

图9A、9B和9C示出了错误岩石掩膜的另一示例。

图10A、10B和10C示出了根据本发明的实施方式的用于确定岩石块度分布的方法的流程图。

图11A、11B、11C和11D示出了从岩石掩膜中找到的轮廓中找出最长轴线和两个垂直轴线的示例。

图12A是示例性岩石块度分布曲线的图示。

图12B是与压碎过程之前的岩石样本和压碎过程之后的岩石样本相对应的示例性岩石块度分布曲线的图示。

图13示出了描述压碎/研磨机的自动配置的流程图。

图14A和14B示出了根据本发明的实施方式的缩放图(scaling map)的示例。

图15示出现有技术中的一种用于确定第三维度的方法。

具体实施方式

参考附图描述本发明的优选实施方式。应该注意的是，以下描述仅包含示例，并且不应该被解释为限制本发明。在下文中，相似或相同的附图标记指示相似或相同的元件或功能。

图1A是用于采矿的示例性工作站100的图示。对于工作站100，示出了运输岩石样本120的传送带110。岩石样本120包括具有不同尺寸的多个岩石。因此，岩石样本具有特定的岩石块度分布。

工作站100还包括用于进一步处理岩石样本120的机器130和140。工作站100不限于两个机器130和140，工作站100还可包括多于两个机器或单个机器。机器130和140可以是用于筛分岩石样本120的筛分机，或者可以是用于压碎或研磨岩石样本的压碎/研磨机。机器130可以是实验室机器，并且可以位于实验室中，而不是位于工作站100中且在传送带110旁边。

图1B示出了例如在该示例中为筛分机的机器130的更多细节。机器130包括筛分管，该筛分管是在机器130中彼此上下叠置的多个筛子(例如，四个筛子132至135)的管。机器130具有开口131，岩石样本120通过该开口添加到机器130中。筛子132至135具有不同的筛孔尺寸并且被布置为管，其中，与机器130中的其它筛子133至135相比具有最大筛孔的筛子132被分配为最靠近开口131，与筛子132相比具有更小筛孔的筛子133被分配在筛子132之后，与筛子133相比具有更小筛孔的筛子134被分配在筛子133之后，并且与筛子134相比具有更小筛孔的筛子135被分配在筛子134之后。因此，筛子132至135从机器130的开口131以筛孔尺寸减小的顺序布置。因此，可以筛分输入机器130中的岩石样本120，其中，尺寸大于筛子的筛孔尺寸的岩石被相应的筛子拦阻。结果是岩石样本120被分成岩石组，这些岩石组通过岩石块度划分，以确定岩石块度分布。机器130不限于图1B中给出的示例，并且机器130可以包含更多或更少的筛子，或者更多地包含筛子的托盘而不是筛子的管。

机器140可以是具有开口141的压碎或研磨机。岩石样本120例如可以通过运输系统、挖泥机等从传送带110运输到压碎机140，并且可以使用开口141扔到压碎机140中。随后，压碎机140可以根据压碎机140中设定的配置参数压碎岩石样本120。其目的是获得具有期望的岩石块度(期望的岩石块度分布)的压碎的岩石样本。

在工作站100中，也如上所述，可在压碎之前或之后将岩石样本120放入筛分机130中，以确定岩石样本120的岩石块度分布。随后，筛分岩石样本120以获得岩石块度分布。一旦岩石块度分布已知，就可以确定压碎的岩石产物是否具有期望的岩石块度分布，并且如果压碎的岩石产物具有不期望的岩石块度分布，则例如可以丢弃该压碎的岩石产物。此外，如果尚未执行压碎/研磨过程，则压碎机140可以关于待压碎的岩石样本的岩石块度分布正确地调整，以避免稍后丢弃压碎的岩石产物或由于利用错误调整的压碎机的压碎过程而浪费时间。然而，技术问题是利用筛分机(如筛分机130)分析岩石样本120是耗时且费力的。然而，如果进入机器140的样本120的适当岩石块度分布是未知的，则必须通过反复试验来选择机器和/或机器状况(配置参数等)。如果选择了与样本120的岩石块度分布不对应的机器和/或机器状况，则岩石样本120被错误地压碎并且可能必须被丢弃。例如，对于压碎过程，如果压碎机已经被调整为具有不适当的参数配置，则岩石样本中的岩石可能已经被压碎太长时间或者用过大的力进行压碎，这导致与期望的岩石块度相比过小的岩石块度。这可能导致资源和时间的浪费。

因此，很难容易且快速地确定岩石块度分布而无需付出太多努力，和/或很难选择与岩石样本中的实际岩石块度分布相对应的正确的机器状况/配置以用于进一步处理。这导致麻烦、耗时、复杂和费力的筛分过程和/或导致用于压碎/研磨机的麻烦、耗时、复杂和费力的调整过程。此外，当选择相应的机器和/或机器状况/配置以用于进一步处理时，用于调整或配置压碎/研磨机的调整过程容易出错。如果压碎/研磨机被错误地调整/配置，则可能导致资源和时间的浪费增加，这是由于错误压碎的岩石样本必须被处理并且必须针对新的岩石样本重复压碎过程。

为了解决关于筛分或压碎过程的上述问题，图2A示出了根据本发明的实施方式的工作站200，其中，工作站200再次示出了传送带110、岩石样本120和可以是如上所述的压碎/研磨机的机器140。由于传送带110、岩石样本120和机器140与图1A中所示的类似，因此为了简明起见，在此省略了详细描述。

图2A还示出了手中握持终端设备220的矿工210。终端设备220可以是包含摄像头的任何用户设备，例如蜂窝电话、平板电脑或任何其它具有摄像头的手持设备。然而，终端设备220不限于手持设备，并且还可以是包括固定或静止摄像头的设备或连接到固定或静止摄像头的设备，或者能够捕捉图像的任何其它设备。如果使用静止摄像头，则摄像头可以位于传送带110旁边，面向在传送带110上运输的岩石样本。为了改进岩石块度分布的确定或基于岩石样本120的岩石块度分布的相应机器的调整过程，在岩石样本120被携带到机器140之前，矿工210拍摄或获取岩石样本120的图片。如图2B所示，终端设备220的摄像头拍摄岩石样本120的图像230，其中，图像230示出岩石样本120中的多个岩石235。从该图像230确定岩石块度分布(如将在下面进一步解释的)，并且将岩石块度分布作为结果输出给例如矿工或直接输出到压碎机140，使得矿工能够手动地调整压碎机以根据预期(压碎后的)岩石分布正确地压碎岩石。如果结果被直接输出到压碎机140，则压碎机140能够自动设定其参数，例如压碎岩石的速度、施加到岩石的压碎力、指示对岩石执行多长时间压碎的压碎持续时间等。结果是，可以基于确定岩石块度分布的简化方式(下面描述的)，改进和加速用于调整或配置压碎机或设定机器状况的调整过程，同时减小岩石块度分布的识别误差，因此还可以减小调整机器的误差率。此外，通过正确地调整压碎机，能够避免资源和时间的浪费。如图2A所示，不需要在图1A和1B中所解释的筛分机130来确定岩石块度分布，从而引起改进的岩石块度分布确定。

图3示出了终端设备220与服务器310的交互。在终端设备220已经取得或获取到岩石样本120的图像230之后，终端设备220可以通过有线或无线链路311将图像230传输到服务器310。例如，终端设备220和服务器310通过允许终端设备220与服务器310之间的数据传输的任何通信网络连接。在从终端设备220获取到图像230之后，服务器310可根据图像230确定岩石样本120的岩石块度分布，并可将结果传输回终端设备220，该终端设备可将结果显示给操作终端设备220的矿工210。基于显示的结果，矿工210可以知道压碎的岩石产物是否具有预期或正确的岩石块度分布，或者可以调整相应的压碎机140以用于进一步处理尚未压碎的岩石样本120。代替将结果显示给矿工210，或除了将结果显示给矿工210之外，可以将结果直接输出到压碎机140，使得压碎机140可以根据待压碎的岩石样本120的预期压碎岩石块度分布自动地设定其配置参数。

另一选项是，终端设备220不通过有线或无线链路311将图像230直接传输到服务器311，而是首先通过链路321将图像230传输到云320。此外，终端设备220可以使用允许终端设备220与云320之间的数据传输的任何通信网络将图像230传输到云320。云320可以存储图像230，并且可以通过链路322将图像230传输到服务器310。再一次，在服务器310确定图像230中所示的岩石样本120的岩石块度分布之后，服务器310可直接通过链路311将所确定的结果传输到终端设备220或通过链路322和321经由云320将所确定的结果传输到终端设备220。在将所确定的结果从云320传输到终端设备220之前，云320可存储所确定的结果。

以上关于将图像230从终端设备220传输到服务器310以用于在服务器310中确定岩石块度分布的描述可以是在线模式的示例。然而，如果由于例如终端设备220与服务器310之间的通信连接不足而无法将图像230从终端设备220传输到服务器310，则一个选项是将图像230存储在终端设备220中，并且一旦终端设备220与服务器310之间的连接得到改善，就将图像230发送到服务器310。

然而，也可以执行离线模式，其中，仅在终端设备220上执行岩石块度分布的确定。在这种情况下，终端设备220不将图像230传输到服务器310，而是确定岩石块度分布，并且一旦确定了岩石块度分布，就将结果输出到矿工210。在这种情况下，即使终端设备220没有服务(例如，在远程位置)并且因此不能连接到服务器310，也可以确定岩石块度分布。具有离线模式的另一个优点在于，终端设备220可以在不具有任何通信功能并因而不能与另一个设备或服务器进行通信的工作站220中使用。因此，提高了使用终端设备进行岩石块度分布确定的灵活性。终端设备可被配置为执行在线模式和离线模式两者，并且因此能够在这两种模式之间进行切换。

图4是终端设备220的图示。终端设备220可包括摄像头410、获取单元420、处理器430、确定单元440、传输单元450、接收单元460和存储器470。下面更详细地解释终端设备220的组件。

终端设备220的摄像头410可被配置为拍摄岩石样本120的图像230。摄像头可以是任何常规的手持或固定的摄像头，并且可以集成到终端设备220中或者可以连接到终端设备220。

获取单元420可以被配置为从摄像头410(诸如手持或固定的摄像头)获取岩石样本120的图像230。

此外，终端设备220的处理器430可被配置为，当终端设备220在离线模式下操作时，处理由获取单元420从摄像头410获取的岩石样本120的图像230。处理器430可以被配置为对图像230使用神经网络算法以提取存在于图像230中的每块岩石235的岩石掩膜。神经网络算法可以使用任何已知的神经网络，其包括输入层和输出层并且可包括一个或多个隐藏层。此外，神经网络可以是任何类型的神经网络，例如前馈神经网络、递归神经网络、变换网络、长期短期记忆网络、卷积神经网络、多层感知器等。可以训练神经网络，使得对于图像230中的每块岩石235，通过神经网络算法创建岩石掩膜。在这种情况下，每块岩石掩膜指示岩石235的至少一个轮廓。换句话说，从岩石掩膜可以导出岩石235的轮廓和尺寸。图5是存在于岩石样本120中的岩石235的岩石掩膜500的图示。在岩石掩膜500中，岩石235以第一颜色示出，例如，诸如白色的浅色，其中，不是岩石235的一部分的背景以第二颜色(不同于第一颜色)示出，该第二颜色可以容易地与岩石235的第一颜色区分。只要岩石235和不是岩石235的一部分的背景例如通过图像识别算法可以容易地和清楚地区分，则岩石掩膜500的任何其它表示也是可行的。从该岩石掩膜500，可以确定岩石235的轮廓和岩石235的尺寸。对于岩石样本120中的每块岩石确定该岩石掩膜500，并且确定岩石样本120中的每块岩石的轮廓和尺寸，以便计算整个样本120的岩石块度大小。

终端设备220的确定单元440可被配置为使用与图像230相关联的物理标度来确定样本120的岩石块度分布。基于由神经网络算法输出的岩石掩膜500，确定单元440能够确定样本120中的岩石的轮廓和尺寸，其中，确定单元440使用物理标度来将图像230的像素改变或转换为空间维度，以便确定样本120的岩石块度分布。一旦确定了岩石块度分布，终端设备220可以将岩石块度分布作为结果输出到矿工210，例如作为显示在终端设备220的屏幕上的消息、警报、音频消息、图像等。

终端设备220还可包括传输单元450，其被配置为通过有线或无线网络将数据传输到另一设备或服务器。例如，在在线模式期间，传输单元450将由摄像头410拍摄的图像230传输到服务器310，如图3所示。

此外，终端设备220可包括接收单元460，其被配置为通过有线或无线网络从另一设备或服务器接收数据。例如，在在线模式期间，接收单元460从服务器310接收作为结果的所确定的岩石块度分布，如图3所示。一旦接收单元460已经接收到结果，终端设备220可以通过以任何可能的方式显示或输出结果来将结果输出到矿工210和/或可以将结果输出到压碎机140以用于参数配置。

此外，终端设备220可包括存储器470，其是能够存储终端设备220中数据的任何种类的存储单元。例如，存储器470存储由摄像头410捕捉的或由获取单元420获取的图像230。存储器470还可以存储在离线模式期间由处理器430执行的神经网络算法，或者可以存储所确定的岩石样本120的岩石块度分布作为结果，而不管岩石块度分布是在离线模式期间由终端设备220确定的还是在线模式期间由服务器310确定的。此外，存储器470可以存储包括可由终端设备220执行的指令的任何计算机程序。

应该注意，终端设备220的组件被示出为单个组件。终端设备220不限于该构造，并且组件也可以被组合。

现在，参考图6更详细地描述服务器310的构造。图6是根据本发明的实施方式的服务器310的图示。服务器可包括获取单元610、处理器620、确定单元630、传输单元640、接收单元650和存储器660。下面更详细地解释服务器310的组件。

获取单元610可以被配置为例如在在线模式期间从终端设备220的摄像头获取岩石样本120的图像230，终端设备220使用摄像头410捕捉图像230。

在在线模式期间，一旦从终端设备220获取到图像230，服务器310的处理器620可被配置为处理岩石样本120的图像230。处理器620可被配置为对图像230使用神经网络算法以提取存在于图像230中的每块岩石235的岩石掩膜(如上所述)。神经网络算法可以使用如已经参考终端设备220描述的任何类型的神经网络。对于图像230中的每块岩石235，通过神经网络算法创建岩石掩膜，其中，每个岩石掩膜指示岩石235的至少一个轮廓。岩石掩膜类似于参考图5描述的岩石掩膜500，因此出于简明原因，在此省略了关于岩石掩膜的详细描述。

服务器310的确定单元630可以被配置为使用与图像230相关联的物理标度来确定样本120的岩石块度分布。基于由神经网络算法输出的岩石掩膜，类似于确定单元440，确定单元630能够确定样本120中的岩石的轮廓和尺寸，其中，确定单元630使用物理标度来将图像230的像素改变或转换为空间维度，以确定样本120的岩石块度分布。一旦确定了岩石块度分布，服务器310可以将所确定的岩石块度分布传输到终端设备220，如图3所示，其中，终端设备220可将岩石块度分布作为结果(例如作为显示在终端设备220的屏幕上的消息、警报、音频消息、图像等)输出到矿工210，和/或可以将结果输出到压碎机140。

服务器310还可包括传输单元640，其被配置为通过有线或无线网络将数据传输到另一设备或服务器。例如，传输单元640将所确定的岩石块度分布传输到终端设备220，如图3所示。另一选项是，传输单元640将所确定的岩石块度分布直接传输到压碎机140以用于自动调整过程。

此外，服务器310可包括接收单元650，其被配置为通过有线或无线网络从另一设备或服务器接收数据。例如，接收单元650从终端设备220接收图像230，如图3所示，并且获取单元610可以在接收单元650接收到图像230之后获取图像230。

此外，服务器310可包括存储器660，其是能够存储服务器310中的数据的任何种类的存储单元。例如，存储器660存储由接收单元650接收并由获取单元610获取的图像230。存储器660还可以存储在在线模式期间由处理器620执行的神经网络算法，或者可以存储作为结果的岩石样本120的所确定的岩石分布尺寸。

应该注意，服务器310的组件被示出为单个组件。服务器310不限于该构造，并且组件也可以被组合。

现在，图7示出了说明根据本发明的实施方式的用于确定岩石块度分布的方法的流程图。该方法可以由终端设备220或服务器310执行，如参考图4和6所描述的，这取决于在线模式期间是否将图像230从终端设备220传输到服务器310，或者取决于离线模式期间是否由终端设备220分析图像230。

图7中示出的方法可以是确定岩石块度分布的计算机实现的方法。该方法可包括步骤S701，在步骤S701，从终端设备220的摄像头获取岩石样本120的图像230。步骤S701可以由终端设备220的获取单元420或由服务器310的获取单元610执行。

该方法还可包括步骤S702，在步骤S702，对图像230使用神经网络算法以提取存在于图像235中的每块岩石235的岩石掩膜，每个岩石掩膜指示至少一个轮廓。该步骤可以由终端设备220的处理器430或由服务器310的处理器620执行。

随后，在步骤S703中，使用与图像230相关联的物理标度来确定岩石样本120的岩石块度分布。步骤S703可以由终端设备220的确定单元440执行，或者由服务器310的确定单元630执行。

如上所述，对于离线模式，终端设备220可以自己分析图像230并确定岩石块度分布；或者，对于在线模式，终端设备220将图像230传输到服务器310，使得服务器310分析图像230并且确定岩石块度分布。离线模式的优点在于，由于终端设备220不需要任何通信功能并且可以省略传输单元450和接收单元460，因此可以简化终端设备220的构造。此外，即使终端设备220处于死区中(例如，在远程地区或乡村地区中)，也可以确定岩石块度分布，从而增大了岩石块度确定的灵活性。另一方面，为了减少终端设备220上的计算负担，将图像230传输到服务器310并在服务器310上而不是在终端设备220上执行岩石块度确定可能是有帮助的。不管是执行在线模式还是离线模式，通过使用所述方法、终端设备220和服务器310，改进了用于通过设定与输入到压碎机的岩石样本120的岩石块度分布和预期的压碎岩石块度分布相对应的配置参数来正确地调整压碎或研磨机的调整过程。

如上所述，神经网络算法被用于获得存在于岩石样本120中的每块岩石的岩石掩膜。神经网络算法可以使用已经在示出岩石的各种图像的训练数据上训练的神经网络。随后，神经网络能够输出每块岩石的岩石掩膜，其中，通过相对于不是岩石表面的一部分的背景强调岩石的表面，每块岩石的轮廓在岩石掩膜中是可见的。这也在图5中示出，其中，岩石的表面是第一(例如，亮)颜色，并且不是岩石表面的一部分的背景是第二(例如，暗)颜色，以强调岩石的表面。可以从每个岩石掩膜获得每块岩石的轮廓，当从上方观察岩石时，该轮廓环绕岩石的外表面。

然而，本发明人已经认识到，有时可能发生如下状况：神经网络算法输出错误的岩石掩膜，并且岩石掩膜没有指示连续的岩石表面。为了纠正错误的岩石掩膜，可以对岩石掩膜执行误差修正，误差修正由终端设备220或服务器310执行。

图8A、8B和8C示出了错误的岩石掩膜以及如何纠正该岩石掩膜。如图8A所示，神经网络有时可能输出错误的岩石掩膜800A，其中，岩石掩膜800A指示破裂的和非连续的岩石表面850A。例如，在岩石表面850A中存在孔855，孔855被指示为不是岩石表面850A的一部分。用于对错误的岩石掩膜800A执行误差修正的一个选项是找到存在于岩石掩膜中的所有轮廓，并且如果在岩石掩膜中的第二轮廓内侧找到第一轮廓，则移除第一轮廓以便由第二轮廓包含连续表面。再一次，误差修正可以由终端设备220或服务器310执行。

图8B中示出了发现存在于岩石掩膜800A中的所有轮廓的步骤。轮廓850C是环绕图8A所示的表面850A的轮廓，而轮廓855C是环绕图8A所示的孔855的轮廓。在这种情况下，在轮廓850C内侧找到轮廓855C。当对错误的岩石掩膜800A执行误差修正时，移除轮廓855C，并且轮廓850C现在包含连续表面。图8C示出了纠正后的岩石掩膜800B，其中，表面850B示出了没有孔的连续岩石表面。

图9A、9B和9C示出了错误的岩石掩膜的另一个示例。代替在岩石掩膜的岩石表面中具有孔，图9A示出了岩石掩膜900A中的破碎表面，该破碎表面是存在于岩石掩膜900A中的若干碎片951到956。为了对该错误的岩石掩膜900A执行误差修正，再次找到岩石掩膜900A中的所有轮廓。如果发现多个轮廓在岩石掩膜900A中彼此相邻，则可以合并多个轮廓以包含连续表面。再一次，误差修正可由终端设备220或服务器310执行。

图9B示出了发现存在于岩石掩膜900A中的所有轮廓的步骤。轮廓951C～956C是图9中的碎片951～956的轮廓并且发现轮廓951C～956C在岩石掩膜900A中彼此相邻。这意味着没有轮廓位于另一轮廓中，并且轮廓951c～956c包围的表面不重叠。在这种情况下，当对错误的岩石掩膜900A执行误差修正时，多个轮廓951c～956c可以合并成包含连续表面的单个轮廓。图9C示出了纠正后的岩石掩膜900B，其中，表面950示出了由合并轮廓951C～956C而获得的单个轮廓所环绕的连续岩石表面。

图10A至10C示出了根据本发明的实施方式的用于确定岩石块度分布的方法的流程图。在这种背景下，图10B和10C给出了关于图10A描述的步骤1040和1050的更详细的描述。

当参考图10A时，首先在步骤S1010中获取岩石样本的图像。例如，终端设备220的摄像头拍摄岩石样本102的图像230，并且终端设备220的获取单元或服务器310的获取单元从摄像头获取图像230。摄像头可以是手持摄像头，以便更灵活地拍摄图像和分析岩石样本。如果使用终端设备220的获取单元420来获取图像230，则终端设备220可以在离线模式下操作。如果使用服务器310的获取单元610来获取图像230，则终端设备220可以在线模式下操作。

在步骤S1020中，终端设备220或服务器310使用神经网络来提取存在于岩石样本102中的每块岩石的岩石掩膜。关于岩石掩膜的更多细节，参考如上所述的图5。神经网络以所获取的图像230作为输入，获取并且输出由图像230表示的岩石样本102中的每块岩石的岩石掩膜。神经网络已经在多个输入-输出对上进行了训练，其中，输入是岩石样本的图像并且输出是相应的岩石掩膜，以能够准确地确定和输出在神经网络中输入的任何图像的岩石掩膜。

在步骤1030中，在岩石样本102的每块岩石的每个岩石掩膜中确定所有轮廓。为了确定岩石掩膜中的轮廓，可以执行本领域技术人员已知的各种方法。例如，可以使用使用梯度找到岩石掩膜中的轮廓的算法。例如，可以根据岩石掩膜中的颜色和/或强度梯度来找到轮廓，这是由于在岩石掩膜中表示的岩石可具有与不是岩石的一部分的背景不同的颜色和/或强度。因此，可以使用用于确定岩石掩膜中的轮廓的任何合适的方法。

一旦在每个岩石掩膜中找到轮廓，在步骤S1040中确定由相应的岩石掩膜所指示的每块岩石的最长轴线。步骤S1040的其它细节关于图10B以及图11A和11B给出。图11A和11B示出了从在岩石掩膜中找到的轮廓中找到最长轴线的示例。在图11A中，示出了两个岩石掩膜1110和1120，其中，轮廓已被确定。岩石掩膜1110包括一个轮廓1111，这或者是由于神经网络已经输出具有指示岩石的一个连续表面的岩石掩膜，或者由于已经对指示一块岩石的多个碎片的岩石掩膜执行了误差修正。岩石掩膜1120包括多个轮廓1121～1125，轮廓1121～1125环绕形成岩石的一个表面的碎片。

如图10B所示，确定岩石的最长轴线的第一步骤可以是步骤S1041，其用于计算位于多个轮廓上的所有点之间的第一距离。为了进一步说明该步骤，图11B示出了图11A的岩石掩膜1110和1120，其中，计算位于多个轮廓上的点之间的距离。例如，如果在岩石掩膜中仅找到一个轮廓(参见具有一个轮廓1111的图11B的左侧)，则计算存在于轮廓1111上的每个点之间的距离。出于说明的目的，在图11B中示出了几个示例性的点之间的距离，但是图10B的方法可以计算位于轮廓1111上的所有点之间的距离。如图11B的岩石掩膜1110中所示，可以计算点P1与P2之间的距离D12，可以计算点P1与P3之间的距离D13，可以计算点P3与P4之间的距离D34，可以计算点P2与P5之间的距离D25。

如果岩石掩膜(由于几个碎片)包括多个轮廓(像图11B右侧所示的具有轮廓1121～1125的岩石掩膜1120那样)，则可以在位于相同轮廓上的点之间与位于不同轮廓上的点之间计算距离。再一次，出于说明目的，在岩石掩膜1120中仅示出了几个所计算的距离，但是该方法可以计算位于多个轮廓上的所有点之间的距离。如在图11B的岩石掩膜1120中所示，可以计算点P1与P2之间的距离D12，可以计算点P1与P3之间的距离D13，可以计算点P2与P4之间的距离D24，可以计算点P5与P6之间的距离D56，可以计算点P7与P8之间的距离D78。

接下来，在图10B所示的步骤S1042中确定第一距离之中的最大距离。在图11B所示的示例中，岩石掩膜1110中的最大距离(即，在所计算的距离D12、D13、D25和D34之中的最大距离)是距离D34，并且岩石掩膜1120中的最大距离(即，在所计算的距离D12、D13、D24、D56和D78之中的最大距离)是距离D78。

随后，在图10B的步骤S1042中，将最大距离设定为岩石掩膜中的最长轴线。对于图11B中给出的示例，岩石掩膜1110中的最长轴线是距离D34，而岩石掩膜1120中的最长轴线是距离D78。

一旦为每个岩石掩膜确定了最长轴线，图10A中所示的过程进行到步骤S1050。在步骤S1050中，确定由岩石掩膜指示的每块岩石的两个垂直轴线。在图10C和图11C中示出了关于该步骤的其它细节。

在图10C的步骤S1051中，对于位于为每个岩石掩膜确定的轮廓上的所有点，计算位于多个轮廓上的每个点与位于在图10B的步骤中确定的最长轴线上的每个相应的垂直投影点之间的第二距离。步骤S1051也在图11C中示出，其中，对于岩石掩膜1110和1120，计算位于多个轮廓上的点之间的距离。同样地，仅针对示例性数量的点示出距离，但是可以针对位于多个轮廓上的每个点执行步骤S1051。在岩石掩膜1110中，示出了位于轮廓1111上的点PP1。一旦选择了点PP1，就找到了位于在图10A和11B中确定的最长轴线上的对应的垂直投影点PP’1。此处，最长轴线在点P3与P4之间。如果连接一个点与另一点的直线垂直于最长轴线，则该点垂直于另一点。随后，计算点PP1与PP’1之间的距离。在图11C中，还示出了点PP2、PP3和PP4，其中，它们相应的垂直投影点是PP’2、PP’3和PP’4。随后计算PP2与PP’2、PP3与PP’3以及PP4与PP’4之间的距离。

同样的过程也可以应用于图11C的岩石掩膜1120，其包括环绕多个不同表面的多个轮廓1121～1125。同样地，仅示出了位于轮廓1121至1125上的示例性数量的点，但是可以针对位于轮廓1121～1125上的每个点执行步骤S1051。在岩石掩膜1120中，示出了点PP1、PP2、PP3和PP4，其中，相应的垂直投影点PP’1、PP’2、PP’3和PP’4位于点P7与P8之间的最长轴线上，该最长轴线在图10B的步骤中确定并在图11B中示出。

一旦计算出位于多个轮廓上的每个点与相应的垂直投影点之间的距离，在图10C所示的步骤S1052中确定最长轴线一侧上的距离之中的第一最大距离。步骤S1052还在图11C中示出，其中，岩石掩膜1110中的第一最大距离可以是点PP1与相应的垂直投影点PP’1之间的距离，并且岩石掩膜1120中的第一最大距离可以是点PP1与相应的垂直投影点PP’1之间的距离。

在步骤S1053中，在最长轴线的相对侧上确定在步骤S1051中计算的距离之中的第二最大距离。步骤S1053也在图11C中示出，其中，岩石掩膜1110中的第二最大距离可以是点PP3与相应的垂直投影点PP’3之间的距离，并且岩石掩膜1120中的第二最大距离可以是点PP2与相应的垂直投影点PP’2之间的距离。在图11C中，示出了在位于最长轴线的一侧上的点之间确定第一最大距离，其中，在位于最长轴的另一侧上的点之间确定第二最大距离。

因此，还如图11D所示，岩石掩膜1110中的点P3与P4之间或者岩石掩膜1120中的点P7与P8之间的最长轴线表示由岩石掩膜1110和1120所指示的岩石的最大长度，而岩石掩膜1110中的点PP1与PP’1和PP3与PP’3之间以及岩石掩膜1120的点PP1与PP’1和PP2与PP’2之间的垂直轴线表示由岩石掩膜1110和1120所指示的岩石的最大宽度。基于岩石样本中的每块岩石的这些轴线，可以确定岩石样本的岩石块度分布。

如图10A所示，作为一个选项，可以执行以虚线表示的另外两个步骤以提高计算岩石样本的岩石块度分布的精度。在步骤S1060中可以计算由岩石掩膜所指示的每块岩石的第三维度。为了计算岩石的第三维度，通过使用所确定的最长轴线和两个垂直轴线或者由岩石掩膜所指示的岩石的任何其它特性，可以使用本领域技术人员已知的任何方法。例如，为了计算第三维度，可以使用由Ken Cheng于2015年9月8日上传论文“Optical Gradationfor Crushed Limestone Aggregates”给出的方法(在第85-86页上的等式6.10)。论文的等式6.10如下：

其中，H

该图示出了D

当返回参考等式6.10时，M

在等式6.10中，

在等式6.10中，参数ε是随机误差，参数β

当计算第三维度时，例如当使用等式6.10的H

一旦计算出了所有必需的岩石参数，诸如最长轴线、两个垂直轴线(以及可替代地岩石的第三维度和体积/质量)，就可以确定让具有特定体积/质量的岩石通过的每个可用的筛子的岩石块度分布。岩石块度分布可以用于确定样本的岩石的筛子特定质量。可以使用本领域技术人员已知的不同方法来基于岩石质量确定通过筛子的岩石，例如使用KenCheng在论文“Optical Gradation for Crushed Limestone Aggregates”第112页公开的方法。对于岩石块度分布，可对通过特定筛子x的岩石质量求和，并将通过筛子x的岩石质量的和除以样本岩石的总质量，以获得岩石样本有多少岩石通过筛子x的百分比值。可以对每个可用的筛子进行该计算，以获得示出通过筛子的累积体积/质量百分比的岩石块度分布曲线。

图12A是示例性岩石块度分布曲线的图示。对数刻度10的岩石块度分布曲线的x轴代表各个筛子x的筛孔尺寸，而y轴代表通过筛子x的累积质量/体积。例如，岩石块度分布曲线示出，对于筛孔尺寸为10mm的筛子，大约0％具有相应岩石质量/体积的岩石样本的岩石通过该筛子。对于筛孔尺寸为100mm的筛子，大约80％的具有相应质量/体积的岩石通过该筛子。对于筛孔尺寸为200mm至1000mm的筛子，大约100％的具有相应质量/体积的岩石通过该筛子。对于筛孔尺寸，替代毫米，可以使用任何其它空间维度，如厘米、米等。在这种情况下，图12A可以指示进入例如压碎机的岩石样本的岩石块度分布曲线。然而，也可以确定离开压碎机的岩石样本的岩石块度分布，其中，压碎机已经对岩石样本执行压碎。于是，图12A可以指示已经由压碎机压碎的岩石样本的岩石块度分布图。

图12B是对应于压碎过程之前的岩石样本和压碎过程之后的岩石样本的示例性岩石块度分布曲线的图示。在图12B中以连续线示出的岩石块度分布曲线代表在压碎过程之前岩石样本的岩石块度分布，其中，在图12B中以虚线示出的岩石块度分布代表在压碎过程之后岩石样本的岩石块度分布。当比较这两个岩石块度分布曲线时，显然，压碎的岩石样本的岩石小于压碎过程之前的岩石样本的岩石。

该岩石块度分布曲线可以由终端设备220或服务器310计算。岩石块度分布曲线可以显示在终端设备220的屏幕上，使得矿工或终端设备的用户能够基于岩石的岩石块度分布来配置压碎机或研磨机的参数，以便在压碎过程之后获得最佳的或预期的岩石样本，从而避免资源或时间的浪费。在这种情况下，压碎过程之后的最佳岩石样本是具有期望的岩石维度的岩石样本。替代显示曲线，可以选择任何其它显示模式，例如以表格、条形图、输入/输出界面的形式，该输入/输出界面接受筛子的筛孔尺寸作为输入，并且输出通过具有输入筛孔尺寸的该筛子的相应累积质量等。如此，使用终端设备220的用户或矿工能够通过基于特定岩石块度分布正确地设定压碎机或研磨机的配置参数来容易地配置和调整压碎机或研磨机。因此，可以简化和改进用于设定压碎机或研磨机的配置参数的调整过程，同时加快调整过程并且降低错误地设定参数的误差率。如上所述，配置参数可以是压碎岩石的速度、施加到岩石的压碎力、指示多长时间压碎岩石的压碎持续时间等等。

替代手动设定压碎或研磨机的参数，岩石块度分布的结果也可被发送到压碎或研磨机，使得压碎或研磨机可以自身进行自动配置。在这种情况下，图13示出了描述压碎或研磨机的自动配置的流程图。

如图13所述，压碎或研磨机(例如图2的压碎机140)可以在步骤1310中获得待压碎的岩石样本120。下面，出于说明目的，结合在图2中介绍的组件来描述图13。例如，传送带110直接将岩石样本120运输到压碎机140的开口141，其中，岩石样本120落入压碎机140中，或者挖泥机将岩石样本120从传送带110运输到压碎机140。可以使用任何其它运输过程或运输系统，以使压碎机140获得岩石样本120。

随后，在步骤1320中，压碎机140可以获得岩石样本120的岩石块度分布。岩石样本120的岩石块度分布可以由终端设备220或由服务器310确定，并可从终端设备220或从服务器310传输到压碎机140。

此外，在步骤1330中，根据所获得的进入压碎机的岩石样本的岩石块度分布以及被压碎之后离开压碎机140的岩石的预期岩石块度分布，压碎机140可以设定其配置参数，例如压碎岩石的速度、施加到岩石的压碎力、指示对岩石进行多长时间压碎的压碎持续时间等。压碎机140可以例如参考指示各种岩石块度分布(在压碎之前和压碎之后)与相应的配置参数之间的关系的数据。这些数据可以保存在压碎机140的存储器中或压碎机140外部的存储器中。如果保存数据的存储器在压碎机140的外部，则压碎机140可包括通信单元从而能够从外部存储器获得数据。一旦在步骤1330中设定了配置参数，压碎机140开始压碎岩石样本120。

在步骤1340中压碎岩石样本120之后，现在在步骤1350中通过如下方式分析压碎的岩石样本120’：拍摄压碎的岩石样本120’的图像230，并如上所述通过终端设备220或服务器310确定压碎的岩石样本120’的岩石块度分布。

一旦获得了压碎的岩石样本120’的岩石块度分布，确定压碎的岩石样本的特性是否是所期望的。这可以由用户或矿工手动完成，或者由控制设备、压碎机140、终端设备220、服务器310或能够执行确定过程的任何其它设备自动完成。为了自动确定压碎的岩石样本的特性是否是所期望的，可以将压碎的岩石样本120’的岩石块度分布与预先设定和存储的理想/预期岩石块度分布进行比较。如果压碎的岩石样本120’的岩石块度分布与理想的岩石块度分布相同或几乎相同，则根据压碎的岩石样本120’的岩石块度分布与理想岩石块度分布之间允许的预定偏差(在步骤1360中为“是”)，结束压碎机140的过程。

然而，如果压碎的岩石样本120’的岩石块度分布偏离理想岩石块度分布大于预定和允许的偏差，这意味着压碎的岩石样本120’的特性不是所期望的(在步骤1360中为“否”)，则确定压碎的岩石样本中的岩石维度是否小于所期望的(步骤1370)。如果压碎的岩石样本小于所期望的(在步骤1370中为“是”)，则在步骤1380中必须丢弃压碎的岩石样本120’，并且通过压碎机140获得新的岩石样本。用户或矿工丢弃岩石样本，或者压碎机通过打开压碎机的开口自动丢弃岩石样本，该开口允许压碎的岩石样本120’从压碎机140中掉出来。可以使用任何其它用于丢弃岩石样本120’的方法。

此外，在步骤1380中，指示岩石块度分布与相应的配置参数之间的关系的数据可被调整为在压碎机140的配置中包括学习过程(反馈控制，诸如PID控制器)。基于岩石块度分布(在压碎之前(即进入机器)和在压碎之后(即离开机器))之间的比较，如果在步骤1370中确定压碎的岩石样本120’中的岩石维度过小，则可以以这种方式调整数据，使得例如降低压碎岩石的速度、压碎力和/或压碎持续时间或用于相应岩石块度分布的任何其它配置参数。以新的岩石样本和用于设定配置参数的调整的数据再次执行步骤1310至1380。

如果压碎的岩石样本120’中的岩石维度大于期望尺寸(在步骤1370中为“否”)，则可以进一步压碎岩石以获得压碎的岩石样本120’的期望岩石块度分布。此外，在步骤1390中，指示岩石块度分布与相应的配置参数之间的关系的数据可再次调整以将学习过程(反馈控制，诸如PID控制器)包括在压碎机140的配置中。如果在步骤1370中确定了压碎的岩石样本120’中的岩石维度过大，则可以以这种方式调整数据，使得例如压碎岩石的速度、压碎力和/或压碎持续时间或用于相应的岩石块度分布的任何其它配置参数增大。随后，再次执行步骤1330至1380，直到获得期望的岩石块度分布为止。

然而，为了能够基于由摄像头(诸如终端设备220的摄像头)拍摄的图像使用岩石维度(如最长的轴线、垂直轴线并且可替代地还有第三维度、体积等)，以确定具有特定筛孔尺寸的哪些筛子让具有特定岩石质量的岩石通过，应该对岩石样本的图像应用缩放。通过对图像应用缩放，图像中的每个像素被扩展为空间维度，如毫米、厘米、米等。取决于终端设备220或服务器310是否可对所获取的图形应用缩放，终端设备220的缩放单元(未示出)或服务器310的缩放单元(未示出)可对图像应用缩放。

为了对图像应用缩放，从而例如将最长轴线和垂直轴线转换为空间维度，最长轴线和垂直轴线首先以像素为单位，计算图像中岩石的质心，其具有坐标(X；Y)，并且在缩放图中找到具有坐标(X；Y)的位置处的标度值S(例如，以毫米/像素；厘米/像素；…为单位)。该缩放图为图像中的每个位置指示出标度值S，该标度值用于将从图像计算的并且以像素为单位指示的任何特征(如最长轴线、垂直轴线等)转换为空间维度。当找到相应的标度值S时，将计算出的特征乘以标度值S以获得计算出的空间维度中的特征。例如，如果最长轴线以[像素]为单位，并且最长轴线乘以标度值S(以标度值[毫米/像素]为单位)，则该乘法的结果是最长轴线(以[毫米]为单位)。一旦将每个岩石掩膜的最长轴线和垂直轴线转换为空间维度，则这些轴线可以用于计算如上所述的第三维度、体积等。

此外，缩放图可由终端设备220获取，该缩放图可以从岩石样本中获取，并且可以指示图像的每个像素在空间维度上的尺寸，诸如毫米、厘米、米等。例如，根据传输带角度或摄像头角度，如果对象远离摄像头，则该对象在图像中看起来较小并且由几个像素表示。然而，如果同一对象靠近摄像头，则该对象在图像中看起来较大并且由许多像素表示。由缩放图给出的标度值因此可以指示空间维度与像素数量之间的关系。例如，如果20mm的对象远离摄像头定位并且因此仅由2个像素表示，则标度值是20mm/2个像素＝10mm/像素。如果该20mm的同一对象位于摄像头附近并且因此由20个像素表示，则标度值是20mm/20个像素＝1mm/像素。因此，换句话说，如果像素对应于图像中远离摄像头的对象，则像素的尺寸在空间维度上可以更大，如果像素对应于图像中更靠近摄像头的对象，则像素的尺寸在空间维度上可以更小。可以基于缩放图确定图像的进一步处理，其中，进一步处理可以例如包括使用图像来获得岩石掩膜并且基于岩石掩膜计算岩石维度和岩石质量。

缩放图可以将岩石样本的图像分为多个区域，其中，一个区域可包括图像的至少一个像素，并且其中，每个区域与标度值相关联。此外，标度值可具有单位[毫米/像素]、[厘米/像素]、[米/像素]等。与区域相关联的标度值可以根据岩石样本到摄像头的距离、拍摄岩石样本的图像时摄像头的角度、拍摄图像时的能见度(如亮度/暗度)等而变化。如果缩放图指示出具有有效标度值的图像区域的数量超过预定阈值，则确定允许对图像进行进一步处理。例如，用户可以限定有效标度值大于零，并且标度值小于或等于零指示在创建缩放图时已经产生的误差。当例如在拍摄图像时摄像头太靠近岩石样本时或者当用于拍摄岩石样本的摄像头的角度不适当时，在缩放图中可能产生误差。此外，当能见度恶化时，在缩放图中可能产生误差，这是由于拍摄图像时缩放图过亮或过暗。通过确保有效标度值的数量大于预定阈值，确保图像的质量足以允许进一步处理图像，例如基于所获取的图像确定岩石样本的岩石块度分布。

图14A和14B示出了根据本发明的实施方式的缩放图的示例。在图14A和14B中所示的缩放图分别包括30个域，每个域具有各自的标度值0、1、2或3。这30个域表示对应于缩放图的所获取图像被分成30个区域，每个标度值被分配给图像的特定区域。可以确定有效标度值是大于0的任何值，并且用于确定是否允许进一步处理的预定阈值可以是27。

在图14A中所示的示例中，确定缩放图包括29个具有有效标度值1、2或3的域和1个具有无效标度值0的域。因此，具有有效标度值的图像区域的数量是29，并且超过被设定为27的阈值。在这种情况下，允许图像的进一步处理。

在图14B中所示的示例示出了另一个缩放图，其具有23个具有有效标度值1、2或3的域和7个具有无效标度值0的域。因此，具有有效标度值的图像区域的数量是23，并且不超过同样设定为27的阈值。在这种情况下，拒绝对图像的进一步处理。

如果确定对图像的进一步处理被拒绝，如图14B所示，本发明的实施方式可由终端设备220向终端设备220的摄像头(如手持或固定摄像头)的用户发出警报，以移动摄像头，从而改变岩石样本与摄像头之间的距离。随后，获取新的缩放图，其中，在移动摄像头之后，从岩石样本获取新的缩放图。通过请求摄像头的移动，可以提高摄像头拍摄的图像的质量，并且现在可以允许进一步的处理。替代或除了警告用户改变样本与摄像头之间的距离以外，还可以警告用户改变握持摄像头的角度、通过调整亮度或暗度和/或其它设定来改变能见度以提高图像的质量。警报可以是在终端设备的屏幕上显示的消息或警告、用户可听到的音频警报、终端设备的振动或通知用户关于改变摄像头设定的任何其它种类的警报。通过发出警报，确保了仅处理可用作准确和正确分析相应岩石样本的基础的图像。

上面已经详细描述了用于确定岩石块度分布的计算机实现的方法、终端设备和服务器的实施方式。本发明还可以涉及一种用于确定岩石块度分布的计算机程序，该计算机程序包括指令，当程序由计算机执行时，该指令使计算机执行如上所述的计算机实现的方法的实施方式。此外，本发明还可涉及一种用于确定岩石块度分布的计算机可读存储介质，该计算机可读存储介质包括指令，当由计算机执行时，该指令使计算机执行如上所述的计算机实现的方法。通过执行如上所述的任何一种实施方式，可以自动、容易和快速地确定岩石样本的岩石块度分布。此外，还可以简化和改进用于调整和配置压碎机或研磨机以进行进一步处理的调整过程，同时加速调整过程并且减小误差率。

在本文中，计算机实现的方法、服务器、终端设备、计算机程序和计算机可读存储介质不限于如上详细描述的这些情形。如上所述，本发明的实施方式和示例允许改进的岩石块度分布的确定和改进的压碎或研磨机的调整，以进一步处理岩石样本。

应该理解，在不脱离本发明的范围或精神的情况下，可以对所描述的系统和方法以及本发明的构造进行各种修改和变化。

已经关于特定实施方式和示例描述了本发明，这些实施方式和示例在所有方面均旨在说明而非限制。

此外，通过考虑本文公开的本发明的说明书和实践，本发明的其它实施方式对于本领域技术人员来说将是显而易见的。说明书和示例仅意在示例性的。为此，应该理解，本发明的多个方面在于少于前面公开的实施或配置的所有特征。因此，本发明的真实范围和精神由所附权利要求书指示。