智能化制作砂表面图像-含泥量关系数据集的方法及装置

摘要

本发明公开了一种智能化制作砂表面图像‑含泥量关系数据集的方法及装置，该方法包括：获取制作的砂样本；通过向所述制作的砂样本掺杂石粉使所述制作的砂样本的含泥量达到预设的目标含泥量，进而对达到目标含泥量的所述制作的砂样本进行图像采集，得到多个砂表面图像数据；根据目标含泥量对所述砂表面图像数据进行标注，得到砂表面图像数据集。本发明实现了高效制作多种含泥量的砂表面图像数据，有助于提高含泥量识别模型的鲁棒性及识别准确性。

说明书

技术领域

本发明涉及机器学习训练数据集制作技术领域，具体而言，涉及一种智能化制作砂表面图像-含泥量关系数据集的方法及装置。

背景技术

砂的颗粒特征是影响混凝土施工及工作性能的重要因素，其中，砂的含泥量对于混凝土的性能及质量有着较大的影响，含泥量过高易导致混凝土出现蜂窝现象，因此需要对砂的含泥量进行检测。

随着人工智能(Artificial Intelligence，AI)技术的发展，目前提出了一种通过机器学习的方法来对砂的含泥量进行检测的方法。机器学习具有高效、准确的特性，可以大幅提高检测效率，实现非接触式实时获取砂特征，减少人工成本和人为因素的影响。而机器学习需要大量的输入数据作为支撑，砂表面图像数据集对所输出的计算模型是有决定性作用的，样本越丰富，机器学习计算模型的鲁棒性越佳，对陌生样本也能有较好的表现，提高图像数据集的质量与数量可直接提升机器学习的效率与准确率。

目前制作砂表面图像数据集的大致流程为：先寻找到合适的砂样本，检测出砂样本的含泥量，采集大量砂表面图像数据，根据检测出的砂样本的含泥量对采集的砂表面图像数据进行标注，最终形成砂表面图像数据集。而砂的含泥量检测过程在现行规范中有严格的规定，需要采用专业的器械，完成相关步骤，检测项目多、工作量大，检测过程耗时较长，通常需要一天的时间。这就导致目前制作砂表面图像数据集的方法效率低下。

发明内容

本发明为了解决目前制作砂表面图像数据集的方法效率低下的技术问题，提出了一种智能化制作砂表面图像-含泥量关系数据集的方法及装置。

为了实现上述目的，根据本发明的一个方面，提供了一种智能化制作砂表面图像-含泥量关系数据集的方法，该方法包括：

获取制作的砂样本；

通过向所述制作的砂样本掺杂石粉使所述制作的砂样本的含泥量达到预设的目标含泥量，进而对达到目标含泥量的所述制作的砂样本进行图像采集，得到多个砂表面图像数据；

根据目标含泥量对所述砂表面图像数据进行标注，得到砂表面图像数据集。

可选的，所述目标含泥量为多个；所述通过向所述制作的砂样本掺杂石粉使所述制作的砂样本的含泥量达到预设的目标含泥量，进而对达到目标含泥量的所述制作的砂样本进行图像采集，得到多个砂表面图像数据，包括：

根据数值大小依次对多个目标含泥量中的每个目标含泥量进行掺杂及图像采集流程，得到每个目标含泥量各自对应的砂表面图像数据，其中，在每一次进行掺杂及图像采集流程时，通过向所述制作的砂样本掺杂石粉使所述制作的砂样本的含泥量达到目标含泥量，进而对达到目标含泥量的所述制作的砂样本进行图像采集。

可选的，在第一次进行掺杂及图像采集流程时针对制作的砂样本进行掺杂，在之后每一次进行掺杂及图像采集流程时针对上一次掺杂及图像采集流程得到的掺杂后的制作的砂样本进行掺杂。

可选的，对达到目标含泥量的所述制作的砂样本进行图像采集，得到多个砂表面图像数据，包括：

多次改变该达到目标含泥量的所述制作的砂样本的表面特征，并在每次改变表面特征后进行图像采集，得到多个砂表面图像数据。

可选的，对达到目标含泥量的所述制作的砂样本进行图像采集，得到多个砂表面图像数据，包括：

采集该达到目标含泥量的所述制作的砂样本在取样器中的图像数据，其中，所述取样器根据预设的频率进行震动以改变该达到目标含泥量的所述制作的砂样本的表面特征；

根据采集的图像数据生成多个砂表面图像数据。

可选的，所述采集该达到目标含泥量的所述制作的砂样本在取样器中的图像数据，包括：

通过视频采集设备采集该达到目标含泥量的所述制作的砂样本在取样器中的视频图像数据；

所述根据采集的图像数据生成多个砂表面图像数据，包括：

通过对所述视频图像数据进行抽帧生成多个砂表面图像数据，其中，抽帧的频率与所述取样器的震动频率相同。

可选的，所述采集该达到目标含泥量的所述制作的砂样本在取样器中的图像数据，包括：

通过连续拍照采集该达到目标含泥量的所述制作的砂样本在取样器中的图像数据，其中，连续拍照的频率与所述取样器的震动频率相同。

可选的，所述目标含泥量为根据预设的含泥量的范围以及预设的梯度生成的多个目标含泥量。

可选的，该智能化制作砂表面图像-含泥量关系数据集的方法，还包括：

对初始砂样本依次进行筛分、冲洗以及烘干处理，得到所述制作的砂样本。

可选的，所述制作的砂样本的含泥量为0。

可选的，所述制作的砂样本为多种，所述制作的砂样本包括：天然砂、机制砂以及天然砂与机制砂混合。

可选的，该智能化制作砂表面图像-含泥量关系数据集的方法，还包括：

根据所述砂表面图像数据集采用预设的机器学习模型训练出含泥量识别模型，以根据所述含泥量识别模型进行砂样本的含泥量识别。

为了实现上述目的，根据本发明的另一方面，提供了一种智能化制作砂表面图像-含泥量关系数据集的装置，该装置包括：

砂样本获取单元，用于获取制作的砂样本；

掺杂及图像采集单元，用于通过向所述制作的砂样本掺杂石粉使所述制作的砂样本的含泥量达到预设的目标含泥量，进而对达到目标含泥量的所述制作的砂样本进行图像采集，得到多个砂表面图像数据；

数据标注单元，用于根据目标含泥量对所述砂表面图像数据进行标注，得到砂表面图像数据集。

本发明的有益效果为：本发明实施例通过向制作的砂样本掺杂石粉使所述制作的砂样本的含泥量达到预设的目标含泥量，进而对达到目标含泥量的所述制作的砂样本进行图像采集，得到多个砂表面图像数据，最后根据目标含泥量对所述砂表面图像数据进行标注得到砂表面图像数据集，实现了高效制作多种含泥量的砂表面图像数据的有益效果，有助于提高含泥量识别模型的鲁棒性及识别准确性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：

图1是本发明实施例智能化制作砂表面图像-含泥量关系数据集的方法的流程图；

图2是本发明一个实施例采集砂表面图像数据的流程图；

图3是本发明另一个实施例采集砂表面图像数据的流程图；

图4是本发明实施例智能化制作砂表面图像-含泥量关系数据集的装置的结构框图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。

需要说明的是，本发明的含泥量在本领域中又可以称为含粉量，含泥量一般用来指天然砂中小于0.075mm的颗粒，含粉量指机制砂中小于0.075mm的颗粒，其两者含义实际相同。本发明用含泥量代指其两者，即含粉量也属于本发明的保护范围，也应该受到保护。

图1是本发明实施例智能化制作砂表面图像-含泥量关系数据集的方法的流程图，如图1所示，本实施例的智能化制作砂表面图像-含泥量关系数据集的方法包括步骤S101至步骤S103。

步骤S101，获取制作的砂样本。

在本发明一个实施例中，所述制作的砂样本为通过对初始砂样本依次进行筛分、冲洗以及烘干处理得到的。具体的，可以通过砂石标准筛将初始砂样本进行筛分，筛出的石粉烘干留存备用，然后对筛分后的初始砂样本进行清水冲洗，除去附着于砂颗粒表面的石粉，随后进行烘干得到所述制作的砂样本。在本发明一个实施例中，所述初始砂样本可以为天然砂、不同母岩所产出的机制砂、掺加多种含量同原岩石粉的机制砂、掺加多种含量不同原岩石粉的机制砂以及掺加多种含量石粉的河砂，可以通过直接购买获得，通常购买得到的初始砂样本的含泥量在10％以下。所述初始砂样本可以为多种级配，包括细砂(细度模数1.8-2.2)、中砂(细度模数2.3-2.7)、粗砂(细度模数2.8-3.3)。

在本发明一个实施例中，所述制作的砂样本的含泥量为0。

在本发明一个实施例中，所述制作的砂样本为多种，所述制作的砂样本包括：天然砂、机制砂以及天然砂与机制砂混合。

步骤S102，通过向所述制作的砂样本掺杂石粉使所述制作的砂样本的含泥量达到预设的目标含泥量，进而对达到目标含泥量的所述制作的砂样本进行图像采集，得到多个砂表面图像数据。

在本发明实施例中，为了使样本图像数据集更加丰富，本发明设置了多个目标含泥量，进而针对每个目标含泥量生成大量的砂表面图像数据。

在本发明一个实施例中，所述目标含泥量为根据预设的含泥量的范围以及预设的梯度生成的多个目标含泥量。所述预设的含泥量的范围可以为0％至30％，所述预设的梯度可以为0.01％。

在本发明一个所述中，本步骤具体可以为：多次改变该达到目标含泥量的所述制作的砂样本的表面特征，并在每次改变表面特征后进行图像采集，得到多个砂表面图像数据。具体的，可以通过手动搅拌砂样本或者采用工具搅拌砂样本，随机改变砂颗粒的空间结构，即随机改变砂样本的表面特征。

在本发明一个实施例中，本步骤可以以不同的拍摄角度和距离进行图像采集，基于同一份砂样本可获取多组砂样本图像数据。

在本发明一个实施例中，本步骤还可以对采集的图像进行像素调整和尺寸调整，进而生成更多的砂表面图像数据。具体的可将所获取的图像数据按固定尺寸进行裁剪，则可从一张图片中输出多份满足要求的砂样本图像数据，有效扩大矿图像数据集的样本量。

在本发明一个实施例中，本发明在图像采集之前，还对砂样本的表面进行光学放大，放大倍数为2-20倍，优选的用4倍。并且同一个数据集，放大倍数应该是一致的。

在本发明一个实施例中，所述石粉可以采用现有任意一种石粉。

步骤S103，根据目标含泥量对所述砂表面图像数据进行标注，得到砂表面图像数据集。

在本发明实施例中，在得到目标含泥量对应的砂表面图像数据后，将该目标含泥量作为标签标注在砂表面图像数据上，最终形成砂表面图像数据集。最终形成的砂表面图像数据集可以包括多种砂的砂表面图像数据以及多种含泥量对应的砂表面图像数据。

在得到砂表面图像数据集之后，本发明还可以根据所述砂表面图像数据集采用预设的机器学习模型训练出含泥量识别模型，以根据所述含泥量识别模型进行砂样本的含泥量识别。由于本发明得到砂表面图像数据集中包含多种含泥量的砂表面图像数据，有助于提高含泥量识别模型的识别准确性。

在本发明一个实施例中，所述目标含泥量为多个。上述步骤S102具体为：

根据数值大小依次对多个目标含泥量中的每个目标含泥量进行掺杂及图像采集流程，得到每个目标含泥量各自对应的砂表面图像数据，其中，在每一次进行掺杂及图像采集流程时，通过向所述制作的砂样本掺杂石粉使所述制作的砂样本的含泥量达到目标含泥量，进而对达到目标含泥量的所述制作的砂样本进行图像采集。

在本发明一个实施例中，在第一次进行掺杂及图像采集流程时针对制作的砂样本进行掺杂，在之后每一次进行掺杂及图像采集流程时针对上一次掺杂及图像采集流程得到的掺杂后的制作的砂样本进行掺杂。

本发明根据数值大小依次对多个目标含泥量中的每个目标含泥量进行掺杂及图像采集流程。在进行掺杂时，先将制作的砂样本掺杂至最小的目标含泥量，然后在上次掺杂的基础上将制作的砂样本掺杂至次小的目标含泥量，由次继续，直至将制作的砂样本掺杂至最大的目标含泥量。在每次掺杂达到目标含泥量时进行图像采集，得到多个砂样本图像数据。

图2是本发明一个实施例采集砂表面图像数据的流程图，如图2所述，上述步骤S102的对达到目标含泥量的所述制作的砂样本进行图像采集，得到多个砂表面图像数据，具体包括步骤S201和步骤S202。

步骤S201，采集该达到目标含泥量的所述制作的砂样本在取样器中的图像数据，其中，所述取样器根据预设的频率进行震动以改变该达到目标含泥量的所述制作的砂样本的表面特征。

在本发明实施例中，本步骤可以对砂样本进行取样，并放入可以设定好的频率震动的取样器中，取样器根据预设的频率进行震动可以改变砂样本的表面特征，进而对取样器中的砂样本进行图像采集，得到多个图像数据。在本发明一个可选实施例中，取样器可以以1秒5次的频率进行震动。

步骤S202，根据采集的图像数据生成多个砂表面图像数据。

在本发明实施例中，可以直接对取样器中的砂样本进行掺杂，使砂样本依次达到预设的多个目标含泥量，并在每次掺杂后采集砂样本在取样器中震动时的图像数据。具体的掺杂流程可见上述实施例。

图3是本发明另一个实施例采集砂表面图像数据的流程图，如图3所述，上述步骤S102的对达到目标含泥量的所述制作的砂样本进行图像采集，得到多个砂表面图像数据，具体包括步骤S301和步骤S302。

步骤S301，通过视频采集设备采集该达到目标含泥量的所述制作的砂样本在取样器中的视频图像数据。

在本发明中，因取样器的震动，砂颗粒与石粉的空间结构一直在变化，通过一段视频图像信息，可输出几百张图片图像信息。

步骤S302，通过对所述视频图像数据进行抽帧生成多个砂表面图像数据，其中，抽帧的频率与所述取样器的震动频率相同。

在本发明一个实施例中，上述步骤S201的采集该达到目标含泥量的所述制作的砂样本在取样器中的图像数据，具体可以为：

通过连续拍照采集该达到目标含泥量的所述制作的砂样本在取样器中的图像数据，其中，连续拍照的频率与所述取样器的震动频率相同。

由以上实施例可以看出，本发明的智能化制作砂表面图像-含泥量关系数据集的方法至少实现了以下有益效果：

1、样本量丰富，机器学习训练所得模型鲁棒性佳。本发明方法可得出不同含泥量的砂样本图像数据，本发明的目标含泥量在0％至30％之间以0.01％为梯度，组成的图像数据集样本更均匀，将其输入机器学习计算后，所得到的计算模型鲁棒性佳，可高效率地识别含泥量，识别准确率高，并且可以实现0.01％级别的含泥量识别，识别精度高。

2、本发明先将砂样本掺杂到目标含泥量然后进行图像采集，最后可以直接将目标含泥量作为标签进行标注，避免了现有技术在采集完图像后再去检测砂样本的含泥量费时费力的问题，有效的提高了图像数据集的建立效率。

需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

基于同一发明构思，本发明实施例还提供了一种智能化制作砂表面图像-含泥量关系数据集的装置，可以用于实现上述实施例所描述的智能化制作砂表面图像-含泥量关系数据集的方法，如下面的实施例所述。由于智能化制作砂表面图像-含泥量关系数据集的装置解决问题的原理与智能化制作砂表面图像-含泥量关系数据集的方法相似，因此智能化制作砂表面图像-含泥量关系数据集的装置的实施例可以参见智能化制作砂表面图像-含泥量关系数据集的方法的实施例，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

图4是本发明实施例智能化制作砂表面图像-含泥量关系数据集的装置的结构框图，如图4所示，本发明实施例智能化制作砂表面图像-含泥量关系数据集的装置包括：

砂样本获取单元1，用于获取制作的砂样本；

掺杂及图像采集单元2，用于通过向所述制作的砂样本掺杂石粉使所述制作的砂样本的含泥量达到预设的目标含泥量，进而对达到目标含泥量的所述制作的砂样本进行图像采集，得到多个砂表面图像数据；

数据标注单元3，用于根据目标含泥量对所述砂表面图像数据进行标注，得到砂表面图像数据集。

在本发明一个实施例中，所述目标含泥量为多个；

所述掺杂及图像采集单元2，具体用于根据数值大小依次对多个目标含泥量中的每个目标含泥量进行掺杂及图像采集流程，得到每个目标含泥量各自对应的砂表面图像数据，其中，在每一次进行掺杂及图像采集流程时，通过向所述制作的砂样本掺杂石粉使所述制作的砂样本的含泥量达到目标含泥量，进而对达到目标含泥量的所述制作的砂样本进行图像采集。

在本发明一个实施例中，所述掺杂及图像采集单元2，在第一次进行掺杂及图像采集流程时针对制作的砂样本进行掺杂，在之后每一次进行掺杂及图像采集流程时针对上一次掺杂及图像采集流程得到的掺杂后的制作的砂样本进行掺杂。

在本发明一个实施例中，所述掺杂及图像采集单元2，具体用于多次改变该达到目标含泥量的所述制作的砂样本的表面特征，并在每次改变表面特征后进行图像采集，得到多个砂表面图像数据。

在本发明一个实施例中，所述掺杂及图像采集单元2，包括：

图像采集模块，用于采集该达到目标含泥量的所述制作的砂样本在取样器中的图像数据，其中，所述取样器根据预设的频率进行震动以改变该达到目标含泥量的所述制作的砂样本的表面特征；

图像生成模块，用于根据采集的图像数据生成多个砂表面图像数据。

在本发明一个实施例中，图像采集模块，具体用于通过视频采集设备采集该达到目标含泥量的所述制作的砂样本在取样器中的视频图像数据；所述图像采集模块，具体用于通过对所述视频图像数据进行抽帧生成多个砂表面图像数据，其中，抽帧的频率与所述取样器的震动频率相同。

在本发明一个实施例中，所述图像采集模块，具体用于通过连续拍照采集该达到目标含泥量的所述制作的砂样本在取样器中的图像数据，其中，连续拍照的频率与所述取样器的震动频率相同。

在本发明一个实施例中，所述目标含泥量为根据预设的含泥量的范围以及预设的梯度生成的多个目标含泥量。

在本发明一个实施例中，所述智能化制作砂表面图像-含泥量关系数据集的装置，还包括：

砂样本处理单元，用于对初始砂样本依次进行筛分、冲洗以及烘干处理，得到所述制作的砂样本。

在本发明一个实施例中，所述制作的砂样本的含泥量为0。

在本发明一个实施例中，所述制作的砂样本为多种，所述制作的砂样本包括：天然砂、机制砂以及天然砂与机制砂混合。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。