【技術實現步驟摘要】
本申請涉及礦石浮選領域，尤其涉及一種基于提示學習的浮選泡沫圖像半自動標注方法及裝置。
技術介紹
1、在礦產資源開發與加工領域，浮選泡沫的圖像分析是關鍵的研究領域之一。浮選泡沫分析主要用于評估礦物的浮選效果，這些分析對于優化選礦工藝、提高資源利用率具有重要意義。然而，浮選泡沫圖像中的分析任務通常需要進行大量的標注工作，以便為后續的深度學習算法提供高質量的數據。這一過程不僅耗時耗力，而且易受人為主觀因素的影響，從而可能影響數據標注的準確性和一致性。
技術實現思路
1、為了解決上述技術問題，本申請實施例提供了一種基于提示學習的浮選泡沫圖像半自動標注方法及裝置。
2、第一方面，本申請實施例提供了一種基于提示學習的浮選泡沫圖像半自動標注方法，所述方法包括：采集浮選泡沫圖像，對所述浮選泡沫圖像進行預處理，得到預處理后的浮選泡沫圖像；構建第一目標檢測模型，獲取人工對預處理后的浮選泡沫圖像中單個實例標注初始視覺提示的第一浮選泡沫圖像，并通過所述第一目標檢測模型和所述初始視覺提示對所述第一浮選泡沫圖像的實例標注視覺提示，得到第二浮選泡沫圖像；獲取對所述第二浮選泡沫圖像人工進行補充標注視覺提示的第三浮選泡沫圖像，根據所述第三浮選泡沫圖像構建不完全標注目標檢測數據集；根據所述不完全標注目標檢測數據集訓練第二目標檢測模型，得到第二目標檢測模型；重復執行：通過所述第二目標檢測模型對新的浮選泡沫圖像標注視覺提示、將標注完成的浮選泡沫圖像更新至所述不完全標注目標檢測數據集以及根據更新后的不完全標注目
3、在一實施方式中，所述對所述浮選泡沫圖像進行預處理，得到預處理后的浮選泡沫圖像，包括：基于模糊度評價函數計算采集到的每張浮選泡沫圖像的模糊度，根據所述模糊度對所述浮選泡沫圖像進行篩選，得到清晰浮選泡沫圖像；對所述清晰浮選泡沫圖像進行自適應亮度后，再進行對比度增強，得到所述預處理后的浮選泡沫圖像。
4、在一實施方式中，所述對所述清晰浮選泡沫圖像進行自適應亮度后，再進行對比度增強，包括：將輸入的所述清晰浮選泡沫圖像劃分為大小相等的不重疊子塊；計算每個子塊直方圖和剪切閾值；對每個子塊中大于所述剪切閾值的多余的像素進行重新分配，完成自適應亮度；將自適應亮度后的每個字塊進行直方圖均衡，并采用雙線性插值對直方圖均衡后的每個子塊的像素點進行灰度值重構，完成對比度增強。
5、在一實施方式中，所述視覺提示包括矩形框、點或掩碼，所述通過所述第一目標檢測模型和所述初始視覺提示對所述第一浮選泡沫圖像的實例標注視覺提示，得到第二浮選泡沫圖像，包括：所述第一目標檢測模型根據所述第一浮選泡沫圖像中已標注實例的矩形框、點或掩碼，對所述第一浮選泡沫圖像中與所述已標注實例相似的實例標注為對應的矩形框、點或掩碼。
6、在一實施方式中，所述根據所述不完全標注目標檢測數據集訓練第二目標檢測模型，包括：根據所述不完全標注目標檢測數據集構建所述第二目標檢測模型的骨干網絡結構、特征融合結構和輸出頭；將所述不完全標注目標檢測數據集輸入所述第二目標檢測模型的骨干網絡結構，得到多個特征圖；將多個所述特征圖輸入所述特征融合結構，得到特征融合圖；將所述特征融合圖輸入所述第二目標檢測模型的輸出頭，輸出實例的視覺提示。
7、在一實施方式中，所述將標注完成的浮選泡沫圖像更新至所述不完全標注目標檢測數據集，包括：將置信度高于置信度閾值的輸出實例作為浮選泡沫圖像的標注結果添加至原有的不完全標注目標檢測數據集，得到更新后的不完全標注目標檢測數據集。
8、第二方面，本申請實施例提供了一種基于提示學習的浮選泡沫圖像半自動標注裝置，所述基于提示學習的浮選泡沫圖像半自動標注裝置包括：采集模塊，用于采集浮選泡沫圖像，對所述浮選泡沫圖像進行預處理，得到預處理后的浮選泡沫圖像；標注模塊，用于構建第一目標檢測模型，獲取人工對預處理后的浮選泡沫圖像中單個實例標注初始視覺提示的第一浮選泡沫圖像，并通過所述第一目標檢測模型和所述初始視覺提示對所述第一浮選泡沫圖像的實例標注視覺提示，得到第二浮選泡沫圖像；第一獲取模塊，用于獲取對所述第二浮選泡沫圖像人工進行補充標注視覺提示的第三浮選泡沫圖像，根據所述第三浮選泡沫圖像構建不完全標注目標檢測數據集；第一訓練模塊，用于根據所述不完全標注目標檢測數據集訓練第二目標檢測模型，得到第二目標檢測模型；第一循環模塊，用于重復執行：通過所述第二目標檢測模型對新的浮選泡沫圖像標注視覺提示、將標注完成的浮選泡沫圖像更新至所述不完全標注目標檢測數據集以及根據更新后的不完全標注目標檢測數據集重復訓練第二目標檢測模型的步驟，直至達到預設執行次數，最終獲得優化后的第二目標檢測模型和更新完成的不完全標注目標檢測數據集；分割模塊，用于通過第一分割模型將所述不完全標注目標檢測數據集中的浮選泡沫圖像的標注實例作為視覺提示進行輪廓分割，得到第一不完全標注分割圖像；第二獲取模塊，用于獲取人工對所述第一不完全標注分割圖像中標注實例進行補充與修正的第二不完全標注分割圖像，根據所述第二不完全標注分割圖像構建不完全標注分割圖像數據集；第二訓練模塊，用于根據所述不完全標注分割圖像數據集訓練第二分割模型，得到第二分割模型；第二循環模塊，用于重復執行：通過所述第二分割模型對新的浮選泡沫圖像進行輪廓分割、將輪廓分割完成的浮選泡沫圖像更新至所述不完全標注分割圖像數據集以及根據更新后的不完全標注分割圖像數據集，重復訓練第二分割模型，直至達到預設執行次數，最終獲得優化后的第二分割模型和更新完成的不完全標注分割圖像數據集。
9、第三方面，本申請實施例提供了一種電子設備，包括存儲器以及處理器，所述存儲器用于存儲計算機程序，所述計算機程序在所述處理器運行時執行第一方面提供的基于提示學習的浮選泡沫圖像半自動標注方法。
10、第四方面，本申請實施例提供了一種計算機可讀存儲介質，其存儲有計算機程序，所述計算機程序在處理器上運行時執行第一方面提供的基于提示學習的浮選泡沫圖像半自動標注方法。
11、上述本申請提供的基于提示學習的浮選泡沫圖像半自動標注方法，采集浮選泡沫圖像，對所述浮選泡沫圖像進行預處理，得到本文檔來自技高網...
【技術保護點】
1.一種基于提示學習的浮選泡沫圖像半自動標注方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，所述對所述浮選泡沫圖像進行預處理，得到預處理后的浮選泡沫圖像，包括：
3.根據權利要求2所述的方法，其特征在于，所述對所述清晰浮選泡沫圖像進行自適應亮度后，再進行對比度增強，包括：
4.根據權利要求1所述的方法，其特征在于，所述視覺提示包括矩形框、點或掩碼，所述通過所述第一目標檢測模型和所述初始視覺提示對所述第一浮選泡沫圖像的實例標注視覺提示，得到第二浮選泡沫圖像，包括：
5.根據權利要求1所述的方法，其特征在于，所述根據所述不完全標注目標檢測數據集訓練第二目標檢測模型，包括：
6.根據權利要求1所述的方法，其特征在于，所述將標注完成的浮選泡沫圖像更新至所述不完全標注目標檢測數據集，包括：
7.根據權利要求1所述的方法，其特征在于，所述根據所述不完全標注分割圖像數據集，構建第二分割模型，包括：
8.一種基于提示學習的浮選泡沫圖像半自動標注裝置，其特征在于，所述裝置包括：
<...【技術特征摘要】
1.一種基于提示學習的浮選泡沫圖像半自動標注方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，所述對所述浮選泡沫圖像進行預處理，得到預處理后的浮選泡沫圖像，包括：
3.根據權利要求2所述的方法，其特征在于，所述對所述清晰浮選泡沫圖像進行自適應亮度后，再進行對比度增強，包括：
4.根據權利要求1所述的方法，其特征在于，所述視覺提示包括矩形框、點或掩碼，所述通過所述第一目標檢測模型和所述初始視覺提示對所述第一浮選泡沫圖像的實例標注視覺提示，得到第二浮選泡沫圖像，包括：
5.根據權利要求1所述的方法，其特征在于，所述根據所述不完全標注目標檢測數據集訓練第二目標檢測模型，包括：
6.根據權利要求1...
【專利技術屬性】
技術研發人員：鄒國斌，張康輝，黨建東，王慶凱，王旭，楊佳偉，史葉龍，孔艷珍，劉洋，
申請(專利權)人：礦冶科技集團有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。