【技術實現步驟摘要】
本專利技術涉及機器視覺，特別是指一種基于改進sam模型的鋰云母礦圖像分割方法。
技術介紹
1、隨著鋰廣泛應用于電池、玻璃、陶瓷等行業，對鋰資源的需求不斷增加，高效準確地識別和提取鋰云母礦成為礦業領域的關鍵任務之一。在鋰云母礦的開采和加工過程中，云母、長石以及石英分離不純是一個常見且棘手的問題。這不僅影響到鋰資源的提取效率，還會導致產品質量較低，鋰云母礦分割系統(lithium?mineral?segmentation?system，lmss)旨在能夠準確快速檢測和分析礦物分離純度，保證鋰云母礦的提取純度和利用效率始終保持在理想范圍之內。
2、傳統的鋰云母選礦業對于成品判斷礦物分離純度的方式主要是化學分析，這種方式由于需要的周期長、成本高，且消耗大量的人力資源，給選礦作業帶來了重要挑戰，因此傳統的化學檢測方法在應對緊急情況時不是很有效。由于鋰的成分主要存在云母當中，所以這種化學分析實際上可以視為一種特殊的缺陷檢測，其在學術界和工業界有著較為廣泛的研究和應用。當前的缺陷檢測方法大致可分為四類：首先是檢測網絡，直接使用目標檢測模型或在此基礎上進行改進；其次是分類網絡，先將正常樣本與缺陷樣本分類，再對缺陷類型進行分類；第三類是分割網絡，將缺陷檢測轉化為缺陷區域與正常區域的語義分割；最后是組合網絡，將檢測網絡與分類網絡級聯，先定位缺陷位置，再對缺陷種類進行分類。隨著圖像分割技術發展迅速，2023年提出的sam大模型(segment?anything)?旨在實現高效、廣泛的自動分割任務。其主要的特點包括自動分割能力和廣泛的通用性
3、此外，使用上述方法進行鋰云母礦分割檢測時還存在部分圖片檢測效果差的問題，這是由于通過電子掃描顯微鏡所拍的圖片過大，導致處理速度較慢，且由于計算機沒有鋰云母礦的先驗知識，這些問題會給計算機帶來很大的困擾。
技術實現思路
1、本專利技術提供了一種基于改進sam模型的鋰云母礦圖像分割方法，以解決現有的鋰云母礦檢測方法所存在的處理速度慢，適應性差的技術問題。
2、為解決上述技術問題，本專利技術提供了如下技術方案：
3、一方面，本專利技術提供了一種基于改進sam模型的鋰云母礦圖像分割方法，所述基于改進sam模型的鋰云母礦圖像分割方法包括：
4、采集鋰云母礦石圖像并對采集的鋰云母礦石圖像進行標注，構建樣本數據集；
5、對sam模型進行改進，得到圖像分割模型；
6、利用所述樣本數據集對所述圖像分割模型進行訓練；
7、將待分割的鋰云母礦圖像輸入訓練后的圖像分割模型，得到分割結果。
8、進一步地，所述采集鋰云母礦石圖像，包括：
9、將鋰云母礦石平鋪在載玻片上；
10、從不同角度對平鋪在載玻片上的鋰云母礦石在電子掃描顯微鏡下的圖像進行采集，得到多樣性的鋰云母礦石圖像。
11、進一步地，所述對采集的鋰云母礦石圖像進行標注，包括：
12、通過sam模型對采集的鋰云母礦石圖像進行標注，得到第一原始標注圖像；
13、采用預設的標注工具對所述第一原始標注圖像進行修正，得到第二原始標注圖像，并將所述第二原始標注圖像作為相應鋰云母礦石圖像的標注圖像。
14、進一步地，所述構建樣本數據集，包括：
15、對鋰云母礦石圖像及其對應的標注圖像進行格式轉換；
16、將完成格式轉換的鋰云母礦石圖像及其對應的標注圖像，按照預設的比例劃分為訓練集和驗證集。
17、進一步地，所述對sam模型進行改進，得到圖像分割模型，包括：
18、將sam模型中的自注意力機制替換為擴張閃光注意力機制，得到改進后的sam模型；
19、以sam模型為老師模型，改進后的sam模型為學生模型，采用預設的知識蒸餾方法，將知識從sam模型傳遞到改進后的sam模型中，得到圖像分割模型。
20、進一步地，所述預設的知識蒸餾方法為動態分層蒸餾方法。
21、進一步地，利用所述樣本數據集對所述圖像分割模型進行訓練，包括：
22、首先，使用所述訓練集的數據對所述圖像分割模型進行訓練，以形成初始的圖像分割模型；隨后，將所述驗證集的數據輸入初始的圖像分割模型，進行圖像分割的驗證，并生成相應的驗證分割圖像；其中，驗證過程包括將驗證分割圖像與驗證集中的標注圖像進行比對，計算分割準確率；將計算出的分割準確率與預設的準確率閾值進行比較，如果計算出的分割準確率高于預設的準確率閾值，說明當前的圖像分割模型已經滿足了圖像分割的質量要求，否則，模型不滿足要求。
23、進一步地，將待分割的鋰云母礦圖像輸入訓練后的圖像分割模型，得到分割結果，包括：
24、將待分割的鋰云母礦圖像輸入訓練后的圖像分割模型，利用訓練后的圖像分割模型將待分割的鋰云母礦圖像分割為云母圖像、長石圖像以及石英圖像。
25、再一方面，本專利技術還提供了一種電子設備，其包括處理器和存儲器；其中，存儲器中存儲有至少一條指令，所述指令由處理器加載并執行，以實現上述方法。
26、又一方面，本專利技術還提供了一種計算機可讀存儲介質，所述存儲介質中存儲有至少一條指令，所述指令由處理器加載并執行，以實現上述方法。
27、本專利技術提供的技術方案帶來的有益效果至少包括：
28、本專利技術通過預設的sam模型及自定義的標注工具對采集到的電子掃描顯微鏡下的原始鋰云母礦圖像進行標注得到原始標注圖像；對原始鋰云母礦圖像和原始標注圖像進行格式轉換，得到目標礦物圖像和目標標注圖像；將目標礦物圖像和目標標注圖像輸入預設的sam模型進行訓練及驗證得到圖像分割模型；獲取圈注礦物圖像，并將圈注礦物圖像輸入圖像分割模型進行分割得到云母、長石以及石英分割圖像。具有檢測效率高，以及適應性強的優點，具有重大應用前景。
本文檔來自技高網...【技術保護點】
1.一種基于改進SAM模型的鋰云母礦圖像分割方法，其特征在于，包括：
2.如權利要求1所述的基于改進SAM模型的鋰云母礦圖像分割方法，其特征在于，所述采集鋰云母礦石圖像，包括：
3.如權利要求1所述的基于改進SAM模型的鋰云母礦圖像分割方法，其特征在于，所述對采集的鋰云母礦石圖像進行標注，包括：
4.如權利要求1所述的基于改進SAM模型的鋰云母礦圖像分割方法，其特征在于，所述構建樣本數據集，包括：
5.如權利要求1所述的基于改進SAM模型的鋰云母礦圖像分割方法，其特征在于，所述對SAM模型進行改進，得到圖像分割模型，包括：
6.如權利要求5所述的基于改進SAM模型的鋰云母礦圖像分割方法，其特征在于，所述預設的知識蒸餾方法為動態分層蒸餾方法。
7.如權利要求4所述的基于改進SAM模型的鋰云母礦圖像分割方法，其特征在于，利用所述樣本數據集對所述圖像分割模型進行訓練，包括：
8.如權利要求1所述的基于改進SAM模型的鋰云母礦圖像分割方法，其特征在于，將待分割的鋰云母礦圖像輸入訓練后的圖像分割模型，得到分
...【技術特征摘要】
1.一種基于改進sam模型的鋰云母礦圖像分割方法，其特征在于，包括：
2.如權利要求1所述的基于改進sam模型的鋰云母礦圖像分割方法，其特征在于，所述采集鋰云母礦石圖像，包括：
3.如權利要求1所述的基于改進sam模型的鋰云母礦圖像分割方法，其特征在于，所述對采集的鋰云母礦石圖像進行標注，包括：
4.如權利要求1所述的基于改進sam模型的鋰云母礦圖像分割方法，其特征在于，所述構建樣本數據集，包括：
5.如權利要求1所述的基于改進sam模型的鋰云母礦圖像...
【專利技術屬性】
技術研發人員：萬磊，黃學雨，邱振忠，梅曉方，徐祥雨，
申請(專利權)人：宜春江理鋰電新能源產業研究院，
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。