權(quán)利要求書： 1.一種焚燒爐渣分選方法，其特征在于，所述方法包括：

獲取焚燒爐渣可見光圖像，對所述焚燒爐渣可見光圖像進(jìn)行灰度處理得到焚燒爐渣灰度圖像，根據(jù)所述焚燒爐渣灰度圖像中像素點的梯度幅值和相同梯度幅值的像素點的數(shù)量，確定網(wǎng)格邊長，基于所述網(wǎng)格邊長對所述焚燒爐渣灰度圖像進(jìn)行圖像劃分，確定多個初始網(wǎng)格，將每個所述初始網(wǎng)格的中心點作為初始種子點；

根據(jù)所述初始網(wǎng)格中像素點的灰度值，確定斷點像素點，根據(jù)所述初始網(wǎng)格內(nèi)所述斷點像素點的數(shù)量和所述網(wǎng)格邊長，確定所述初始網(wǎng)格的連續(xù)程度，基于所述連續(xù)程度和相鄰的兩個所述初始網(wǎng)格中所述斷點像素點的位置，確定相鄰的所述初始網(wǎng)格間的相似程度，根據(jù)所述相似程度對相鄰的所述初始網(wǎng)格進(jìn)行網(wǎng)格合并，得到目標(biāo)網(wǎng)格；其中，計算初始網(wǎng)格內(nèi)斷點像素點的數(shù)量和初始網(wǎng)格的面積的比值作為連續(xù)程度；

根據(jù)所述目標(biāo)網(wǎng)格中像素點的所述連續(xù)程度和所述初始種子點的數(shù)量，確定所述目標(biāo)網(wǎng)格的待選數(shù)量，選擇所述目標(biāo)網(wǎng)格中梯度幅值最大的所述待選數(shù)量個像素點作為待選種子點，確定所述待選種子點的重要程度，根據(jù)所述重要程度從所述待選種子點中選擇目標(biāo)種子點；

根據(jù)所述目標(biāo)種子點對所述焚燒爐渣灰度圖像進(jìn)行超像素分割處理，得到目標(biāo)圖像塊，對所述目標(biāo)圖像塊進(jìn)行語義識別，得到識別結(jié)果，將所述識別結(jié)果作為所述焚燒爐渣的分選結(jié)果；

所述基于所述連續(xù)程度和相鄰的兩個所述初始網(wǎng)格中所述斷點像素點的位置，確定相鄰的所述初始網(wǎng)格間的相似程度，包括：確定相鄰的兩個所述初始網(wǎng)格為第一初始網(wǎng)格與第二初始網(wǎng)格，計算所述第一初始網(wǎng)格中的每個斷點像素點分別與所述第二初始網(wǎng)格的所有斷點像素點的距離值，確定其中的最小距離值，將所述第一初始網(wǎng)格中的所有所述斷點像素點對應(yīng)的所述最小距離值的累加值作為所述第一初始網(wǎng)格和所述第二初始網(wǎng)格間的初始距離值；

將第一初始網(wǎng)格的連續(xù)程度作為第一連續(xù)程度，將第二初始網(wǎng)格的連續(xù)程度作為第二連續(xù)程度，根據(jù)所述第一連續(xù)程度、所述第二連續(xù)程度與所述初始距離值確定所述相似程度；

所述根據(jù)所述目標(biāo)網(wǎng)格中像素點的所述連續(xù)程度和所述初始種子點的數(shù)量，確定所述目標(biāo)網(wǎng)格的待選數(shù)量，包括：計算所述目標(biāo)網(wǎng)格中像素點的所述連續(xù)程度和所述初始種子點的數(shù)量的乘積作為數(shù)量乘積，對所述數(shù)量乘積進(jìn)行向上取整處理，得到所述待選數(shù)量；

所述根據(jù)所述初始網(wǎng)格中像素點的灰度值，確定斷點像素點，包括：

基于灰度游程矩陣對所述初始網(wǎng)格進(jìn)行掃描，將所述初始網(wǎng)格中灰度值相同且相鄰的像素點組成游程線段，將所述游程線段的起始點位置處的像素點和終點位置處的像素點作為所述斷點像素點。

2.如權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述第一連續(xù)程度、所述第二連續(xù)程度與所述初始距離值確定所述相似程度，對應(yīng)的計算公式為：式中， 表示相似程度， 表示第一連續(xù)程度， 表示第二連續(xù)程度，表示初始距離值， 表示取絕對值。

3.如權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述相似程度對相鄰的所述初始網(wǎng)格進(jìn)行網(wǎng)格合并，得到目標(biāo)網(wǎng)格，包括：將所述相似程度小于預(yù)設(shè)相似程度閾值且相鄰的所述初始網(wǎng)格進(jìn)行網(wǎng)格合并，得到所述目標(biāo)網(wǎng)格。

4.如權(quán)利要求1所述的方法，其特征在于，所述確定所述待選種子點的重要程度，包括：確定所述待選種子點所處的所述游程線段兩端的所述斷點像素點為第一像素點和第二像素點，計算所述第一像素點與所述第二像素點間的距離作為游程距離；

確定所述待選種子點和所述第一像素點的距離為第一斷點距離，確定所述待選種子點和所述第二像素點的距離為第二斷點距離，確定所述第一斷點距離和所述第二斷點距離中的最大值為最大斷點距離，計算所述游程距離與所述最大斷點距離的比值為距離比值；

計算所述游程距離和所述距離比值的乘積作為所述重要程度。

5.如權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述重要程度從所述待選種子點中選擇目標(biāo)種子點，包括：選擇所述重要程度最大的所述待選種子點作為所述目標(biāo)種子點。

6.如權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述焚燒爐渣灰度圖像中像素點的梯度幅值和相同梯度幅值的像素點的數(shù)量，確定網(wǎng)格邊長，對應(yīng)的公式為：式中，表示網(wǎng)格邊長，表示經(jīng)驗值，表示梯度幅值的最大值，表示梯度幅值， 表示焚燒爐渣灰度圖像中梯度幅值為 的像素點的數(shù)量， 表示求歸一化。

7.一種焚燒爐渣分選系統(tǒng)，包括存儲器和處理器，其特征在于，所述處理器執(zhí)行所述存儲器存儲的計算機程序，以實現(xiàn)如權(quán)利要求1?6任一項所述的一種焚燒爐渣分選方法。

說明書： 一種焚燒爐渣分選方法及系統(tǒng)技術(shù)領(lǐng)域[0001] 本發(fā)明涉及光學(xué)圖像處理技術(shù)領(lǐng)域，具體涉及一種焚燒爐渣分選方法及系統(tǒng)。背景技術(shù)[0002] 焚燒爐渣是指自焚燒爐爐床尾端排出的爐渣物質(zhì)，它們主要是爐內(nèi)生成的物質(zhì)和煤塊組成，煤塊中包含有未燃燒完全的煤塊和燃燒完全的煤塊，為了實現(xiàn)更好的經(jīng)濟(jì)效益和環(huán)境效益，需要將其中未燃燒完全的煤塊分選出來。[0003] 相關(guān)技術(shù)中，使用預(yù)設(shè)大數(shù)據(jù)分選模型識別未燃燒完全的煤塊與燃燒完全的煤塊，這種方式下，由于是通過大數(shù)據(jù)處理模型進(jìn)行焚燒爐渣的分選，需大量數(shù)據(jù)進(jìn)行模型訓(xùn)練，且在分選過程中，無法針對未燃燒完全的煤塊和燃燒完全的煤塊的特征進(jìn)行有效識別，焚燒爐渣分選的可靠性不足。發(fā)明內(nèi)容[0004] 為了解決焚燒爐渣分選的可靠性不足的技術(shù)問題，本發(fā)明提供一種焚燒爐渣分選方法及系統(tǒng)，所采用的技術(shù)方案具體如下：[0005] 本發(fā)明提出了一種焚燒爐渣分選方法，方法包括：[0006] 獲取焚燒爐渣可見光圖像，對所述焚燒爐渣可見光圖像進(jìn)行灰度處理得到焚燒爐渣灰度圖像，根據(jù)所述焚燒爐渣灰度圖像中像素點的梯度幅值和相同梯度幅值的像素點的數(shù)量，確定網(wǎng)格邊長，基于所述網(wǎng)格邊長對所述焚燒爐渣灰度圖像進(jìn)行圖像劃分，確定多個初始網(wǎng)格，將每個所述初始網(wǎng)格的中心點作為初始種子點；[0007] 根據(jù)所述初始網(wǎng)格中像素點的灰度值，確定斷點像素點，根據(jù)所述初始網(wǎng)格內(nèi)所述斷點像素點的數(shù)量和所述網(wǎng)格邊長，確定所述初始網(wǎng)格的連續(xù)程度，基于所述連續(xù)程度和相鄰的兩個所述初始網(wǎng)格中所述斷點像素點的位置，確定相鄰的所述初始網(wǎng)格間的相似程度，根據(jù)所述相似程度對相鄰的所述初始網(wǎng)格進(jìn)行網(wǎng)格合并，得到目標(biāo)網(wǎng)格；[0008] 根據(jù)所述目標(biāo)網(wǎng)格中像素點的所述連續(xù)程度和所述初始種子點的數(shù)量，確定所述目標(biāo)網(wǎng)格的待選數(shù)量，選擇所述目標(biāo)網(wǎng)格中梯度幅值最大的所述待選數(shù)量個像素點作為待選種子點，確定所述待選種子點的重要程度，根據(jù)所述重要程度從所述待選種子點中選擇目標(biāo)種子點；[0009] 根據(jù)所述目標(biāo)種子點對所述焚燒爐渣灰度圖像進(jìn)行超像素分割處理，得到目標(biāo)圖像塊，對所述目標(biāo)圖像塊進(jìn)行語義識別，得到識別結(jié)果，將所述識別結(jié)果作為所述焚燒爐渣的分選結(jié)果。[0010] 進(jìn)一步地，所述基于所述連續(xù)程度和相鄰的兩個所述初始網(wǎng)格中所述斷點像素點的位置，確定相鄰的所述初始網(wǎng)格間的相似程度，包括：[0011] 確定相鄰的兩個所述初始網(wǎng)格為第一初始網(wǎng)格與第二初始網(wǎng)格，計算所述第一初始網(wǎng)格中的每個斷點像素點分別與所述第二初始網(wǎng)格的所有斷點像素點的距離值，確定其中的最小距離值，將所述第一初始網(wǎng)格中的所有所述斷點像素點對應(yīng)的所述最小距離值的累加值作為所述第一初始網(wǎng)格和所述第二初始網(wǎng)格間的初始距離值；[0012] 根據(jù)所述第一連續(xù)程度、所述第二連續(xù)程度與所述初始距離值確定所述相似程度。[0013] 進(jìn)一步地，所述根據(jù)所述第一連續(xù)程度、所述第二連續(xù)程度與所述初始距離值確定所述相似程度，對應(yīng)的計算公式為：[0014][0015] 式中， 表示相似程度， 表示第一連續(xù)程度， 表示第二連續(xù)程度，表示初始距離值， 表示取絕對值。[0016] 進(jìn)一步地，所述根據(jù)所述相似程度對相鄰的所述初始網(wǎng)格進(jìn)行網(wǎng)格合并，得到目標(biāo)網(wǎng)格，包括：[0017] 將所述相似程度小于預(yù)設(shè)相似程度閾值且相鄰的所述初始網(wǎng)格進(jìn)行網(wǎng)格合并，得到所述目標(biāo)網(wǎng)格。[0018] 進(jìn)一步地，所述根據(jù)所述目標(biāo)網(wǎng)格中像素點的所述連續(xù)程度和所述初始種子點的數(shù)量，確定所述目標(biāo)網(wǎng)格的待選數(shù)量，包括：[0019] 計算所述目標(biāo)網(wǎng)格中像素點的所述連續(xù)程度和所述初始種子點的數(shù)量的乘積作為數(shù)量乘積，對所述數(shù)量乘積進(jìn)行向上取整處理，得到所述待選數(shù)量。[0020] 進(jìn)一步地，所述根據(jù)所述初始網(wǎng)格中像素點的灰度值，確定斷點像素點，包括：[0021] 基于灰度游程矩陣對所述初始網(wǎng)格進(jìn)行掃描，將所述初始網(wǎng)格中灰度值相同且相鄰的像素點組成游程線段，將所述游程線段的起始點位置處的像素點和終點位置處的像素點作為所述斷點像素點。[0022] 進(jìn)一步地，所述確定所述待選種子點的重要程度，包括：[0023] 確定所述待選種子點所處的所述游程線段兩端的所述斷點像素點為第一像素點和第二像素點，計算所述第一像素點與所述第二像素點間的距離作為游程距離；[0024] 計算所述待選種子點和所述第一像素點的距離為第一斷點距離，計算所述待選種子點和所述第二像素點的距離為第二斷點距離，確定所述第一斷點距離和所述第二斷點距離中的最大值為最大斷點距離，計算所述游程距離與所述最大斷點距離的比值為距離比值；[0025] 計算所述游程距離和所述距離比值的乘積作為所述重要程度。[0026] 進(jìn)一步地，所述根據(jù)所述重要程度從所述待選種子點中選擇目標(biāo)種子點，包括：[0027] 選擇所述重要程度最大的所述待選種子點作為所述目標(biāo)種子點。[0028] 進(jìn)一步地，所述根據(jù)所述焚燒爐渣灰度圖像中像素點的梯度幅值和相同梯度幅值的像素點的數(shù)量，確定網(wǎng)格邊長，對應(yīng)的公式為：[0029][0030] 式中， 表示網(wǎng)格邊長， 表示經(jīng)驗值，表示梯度幅值的最大值，表示梯度幅值， 表示焚燒爐渣灰度圖像中梯度幅值為 的像素點的數(shù)量， 表示求歸一化。[0031] 本發(fā)明提出了一種焚燒爐渣分選系統(tǒng)，包括存儲器和處理器，所述處理器執(zhí)行所述存儲器存儲的計算機程序，以實現(xiàn)前述所述的一種焚燒爐渣分選方法。[0032] 本發(fā)明具有如下有益效果：[0033] 本發(fā)明通過可見光手段獲取焚燒爐渣可見光圖像，而后確定網(wǎng)格邊長，能夠結(jié)合焚燒爐渣灰度圖像中像素點的梯度分布，基于可見光手段有效對焚燒爐渣內(nèi)的圖像信息進(jìn)行分析；通過初始網(wǎng)格內(nèi)斷點像素點的數(shù)量和網(wǎng)格邊長，確定初始網(wǎng)格的連續(xù)程度，能夠?qū)γ總€初始網(wǎng)格的連續(xù)程度進(jìn)行有效統(tǒng)計，從而便于后續(xù)根據(jù)連續(xù)程度和相鄰的兩個初始網(wǎng)格中斷點像素點的位置，確定相鄰的初始網(wǎng)格間的相似程度，相似程度的確定，能夠結(jié)合兩個相鄰的初始網(wǎng)格間的斷點像素點位置與連續(xù)程度，有效提升相似程度的準(zhǔn)確性，而后根據(jù)相似程度對相鄰的初始網(wǎng)格進(jìn)行網(wǎng)格合并，得到目標(biāo)網(wǎng)格，有效提升目標(biāo)網(wǎng)格中像素點表示同一語義的可靠性；通過確定待選數(shù)量，并選擇待選數(shù)量個像素點作為待選種子點，從待選種子點中確定目標(biāo)種子點，能夠避免遍歷目標(biāo)網(wǎng)格中的全部像素點，從而有效提升目標(biāo)種子點確定的效率，通過目標(biāo)種子點對焚燒爐渣灰度圖像進(jìn)行超像素分割處理，得到目標(biāo)圖像塊，能夠根據(jù)目標(biāo)種子點對焚燒爐渣灰度圖像進(jìn)行準(zhǔn)確分割，保證目標(biāo)圖像塊中像素點具有相同的語義，有效提升焚燒爐渣灰度圖像分割的可靠性，對目標(biāo)圖像塊進(jìn)行語義識別，得到焚燒爐渣的分選結(jié)果，能夠結(jié)合超像素分割和語義識別，準(zhǔn)確識別各目標(biāo)圖像塊的語義結(jié)果，得到更為準(zhǔn)確可靠的焚燒爐渣的分選結(jié)果。綜上，本發(fā)明能夠基于可見光手段有效對焚燒爐渣內(nèi)的圖像信息進(jìn)行分析，提升焚燒爐渣分選的可靠性。附圖說明[0034] 為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案和優(yōu)點，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單的介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其它附圖。[0035] 圖1為本發(fā)明一個實施例所提供的一種焚燒爐渣分選方法流程圖；[0036] 圖2為本發(fā)明一個實施例所提供的焚燒爐渣灰度圖像示意圖;[0037] 圖3為本發(fā)明一個實施例所提供的初始網(wǎng)格示意圖。具體實施方式[0038] 為了更進(jìn)一步闡述本發(fā)明為達(dá)成預(yù)定發(fā)明目的所采取的技術(shù)手段及功效，以下結(jié)合附圖及較佳實施例，對依據(jù)本發(fā)明提出的一種焚燒爐渣分選方法及系統(tǒng)，其具體實施方式、結(jié)構(gòu)、特征及其功效，詳細(xì)說明如下。在下述說明中，不同的“一個實施例”或“另一個實施例”指的不一定是同一實施例。此外，一或多個實施例中的特定特征、結(jié)構(gòu)或特點可由任何合適形式組合。[0039] 除非另有定義，本文所使用的所有的技術(shù)和科學(xué)術(shù)語與屬于本發(fā)明的技術(shù)領(lǐng)域的技術(shù)人員通常理解的含義相同。[0040] 下面結(jié)合附圖具體的說明本發(fā)明所提供的一種焚燒爐渣分選方法的具體方案。[0041] 請參閱圖1，其示出了本發(fā)明一個實施例提供的一種焚燒爐渣分選方法流程圖，該方法包括：[0042] S101：獲取焚燒爐渣可見光圖像，對焚燒爐渣可見光圖像進(jìn)行灰度處理得到焚燒爐渣灰度圖像，根據(jù)焚燒爐渣灰度圖像中像素點的梯度幅值和相同梯度幅值的像素點的數(shù)量，確定網(wǎng)格邊長，基于網(wǎng)格邊長對焚燒爐渣灰度圖像進(jìn)行圖像劃分，確定多個初始網(wǎng)格，將每個初始網(wǎng)格的中心點作為初始種子點。[0043] 本發(fā)明實施例中，可以在焚燒爐焚燒完成停爐之后，使用能夠采集可見光的設(shè)備采集焚燒爐渣可見光圖像，而后，對焚燒爐渣可見光圖像進(jìn)行材料分析，實現(xiàn)焚燒爐渣的分選，具體的材料分析包括:生成焚燒爐渣灰度圖像，如圖2所示，圖2為本發(fā)明一個實施例所提供的焚燒爐渣灰度圖像示意圖。其中，圖像預(yù)處理包括圖像去噪處理與圖像灰度化處理，其中，圖像去噪處理和圖像灰度化處理為本領(lǐng)域所熟知的技術(shù)，對此不作贅述。[0044] 可以理解的是，如圖2所示，焚燒爐渣具有表面紋理分布復(fù)雜的特點，因此，直接根據(jù)焚燒爐渣灰度圖像進(jìn)行圖像處理從而實現(xiàn)爐渣分選，得到分選結(jié)果，該分選結(jié)果的可靠性無法得到保證，因此，本發(fā)明有效結(jié)合焚燒爐渣灰度圖像的表面紋理分布特點，對焚燒爐渣灰度圖像進(jìn)行處理。[0045] 本發(fā)明實施例在獲取焚燒爐渣可見光圖像，對焚燒爐渣可見光圖像進(jìn)行灰度處理得到焚燒爐渣灰度圖像之后，可以使用sobel邊緣檢測算子處理焚燒爐渣灰度圖像，獲取焚燒爐渣灰度圖像中像素點的梯度幅值。[0046] 本發(fā)明實施例中，可以以像素點的梯度幅值為橫軸，該梯度幅值所對應(yīng)像素點的數(shù)量為縱軸構(gòu)建梯度分布直方圖，便于更直觀地確定焚燒爐渣灰度圖像中像素點的梯度幅值和相同梯度幅值的像素點的數(shù)量。[0047] 本發(fā)明實施例中，可以將圖像分割為多個初始網(wǎng)格。可以理解的是，在像素點梯度幅值較大時，可以表示焚燒爐渣灰度圖像中像素點灰度分布越不規(guī)律，則可以結(jié)合像素點的梯度幅值和相同梯度幅值的像素點的數(shù)量，確定圖像分割過程中所使用的網(wǎng)格邊長。[0048] 本發(fā)明實施例中，根據(jù)焚燒爐渣灰度圖像中像素點的梯度幅值和相同梯度幅值的像素點的數(shù)量，確定網(wǎng)格邊長，包括：[0049] 根據(jù)網(wǎng)格邊長公式計算網(wǎng)格邊長，其中，對應(yīng)的公式為：[0050][0051] 式中， 表示網(wǎng)格邊長， 表示經(jīng)驗值，表示梯度幅值的最大值，表示梯度幅值， 表示焚燒爐渣灰度圖像中梯度幅值為 的像素點的數(shù)量， 表示求歸一化。[0052] 由網(wǎng)格邊長公式可知， 表示將焚燒爐渣灰度圖像中梯度幅值大小與梯度幅值大小對應(yīng)的像素點數(shù)量相乘，當(dāng)梯度幅值越大的部分像素點所占數(shù)量越多時，的值就越大，則對應(yīng)的網(wǎng)格邊長越小，可以理解的是，在網(wǎng)格邊長偏大時，就會使得對焚燒爐渣灰度圖像中的部分邊緣無法有效逼近擬合邊緣，從而導(dǎo)致對焚燒爐渣灰度圖像中的區(qū)域分割不準(zhǔn)確。其中， 表示經(jīng)驗值，優(yōu)選地， 選取20，當(dāng)然， 的值也可以根據(jù)實際處理情況進(jìn)行調(diào)整，對此不作限制。[0053] 本發(fā)明實施例中，基于網(wǎng)格邊長對焚燒爐渣灰度圖像進(jìn)行圖像劃分，確定多個初始網(wǎng)格，也即是說，在確定網(wǎng)格邊長之后，可以根據(jù)網(wǎng)格邊長將焚燒爐渣灰度圖像劃分為多個初始網(wǎng)格，并將每個初始網(wǎng)格的中心點作為初始種子點，如圖3所示，圖3為本發(fā)明一個實施例所提供的初始網(wǎng)格示意圖，其中，初始網(wǎng)格的中心點可以作為初始種子點。[0054] 可以理解的是，初始網(wǎng)格的劃分是為了將圖像劃分為多個區(qū)域，以便根據(jù)區(qū)域中像素點的紋理特征等對初始網(wǎng)格進(jìn)行處理，實現(xiàn)本發(fā)明實施例的焚燒爐渣分選方法，具體參見后續(xù)實施例。[0055] S102：根據(jù)初始網(wǎng)格中像素點的灰度值，確定斷點像素點，根據(jù)初始網(wǎng)格內(nèi)斷點像素點的數(shù)量和網(wǎng)格邊長，確定初始網(wǎng)格的連續(xù)程度，基于連續(xù)程度和相鄰的兩個初始網(wǎng)格中斷點像素點的位置，確定相鄰的初始網(wǎng)格間的相似程度，根據(jù)相似程度對相鄰的初始網(wǎng)格進(jìn)行網(wǎng)格合并，得到目標(biāo)網(wǎng)格。[0056] 其中，斷點像素點，是灰度值不同于下一像素點的像素點，根據(jù)初始網(wǎng)格中像素點的灰度值，確定斷點像素點，包括：基于灰度游程矩陣對初始網(wǎng)格進(jìn)行掃描，將初始網(wǎng)格中灰度值相同且相鄰的像素點組成游程線段，將游程線段的起始點位置處的像素點和終點位置處的像素點作為斷點像素點。[0057] 也即是說，本發(fā)明實施例中，可以利用灰度游程矩陣對初始網(wǎng)格進(jìn)行逐行地橫向遍歷掃描，以及逐列地縱向遍歷掃描，當(dāng)灰度游程矩陣在對圖像進(jìn)行遍歷掃描的過程中，將初始網(wǎng)格中灰度值相同且相鄰的像素點組成游程線段，在某一像素點的灰度值不同于下一個像素點的灰度值時，將該像素點進(jìn)行標(biāo)記為斷點像素點。[0058] 本發(fā)明實施例中，在得到多個橫向或縱向的游程線段之后，可以統(tǒng)計初始網(wǎng)格中斷點像素點的數(shù)量，而后，根據(jù)初始網(wǎng)格內(nèi)斷點像素點的數(shù)量和網(wǎng)格邊長，確定初始網(wǎng)格的連續(xù)程度。[0059] 本發(fā)明實施例中，可以計算初始網(wǎng)格內(nèi)斷點像素點的數(shù)量和初始網(wǎng)格的面積的比值作為連續(xù)程度，可以理解的是，由于已知初始網(wǎng)格的網(wǎng)格邊長，則網(wǎng)格邊長的平方即為初始網(wǎng)格的面積，當(dāng)初始網(wǎng)格內(nèi)出現(xiàn)的斷點像素點數(shù)量與初始網(wǎng)格的面積的比值越大，說明該處初始網(wǎng)格內(nèi)出現(xiàn)多次灰度變化，也即連續(xù)程度的值越大，則該初始網(wǎng)格中像素點的紋理變化越復(fù)雜，當(dāng)然，本發(fā)明還支持使用多種其他任意可能的實現(xiàn)方式根據(jù)初始網(wǎng)格內(nèi)斷點像素點的數(shù)量和網(wǎng)格邊長，確定初始網(wǎng)格的連續(xù)程度，對此不作限制。[0060] 本發(fā)明實施例中，通過利用灰度游程矩陣標(biāo)記的斷點像素點獲取的初始網(wǎng)格內(nèi)的連續(xù)程度，有效描述了初始網(wǎng)格中的紋理變化。[0061] 本發(fā)明實施例在得到連續(xù)程度之后，可以基于連續(xù)程度和相鄰的兩個初始網(wǎng)格中斷點像素點的位置，確定相鄰的初始網(wǎng)格間的相似程度。[0062] 進(jìn)一步地，本發(fā)明實施例中，基于連續(xù)程度和相鄰的兩個初始網(wǎng)格中斷點像素點的位置，確定相鄰的初始網(wǎng)格間的相似程度，包括：確定相鄰的兩個初始網(wǎng)格為第一初始網(wǎng)格與第二初始網(wǎng)格，計算第一初始網(wǎng)格中的每個斷點像素點分別與第二初始網(wǎng)格的所有斷點像素點的距離值，確定其中的最小距離值，將第一初始網(wǎng)格中的所有斷點像素點對應(yīng)的最小距離值的累加值作為第一初始網(wǎng)格和第二初始網(wǎng)格間的初始距離值；根據(jù)第一連續(xù)程度、第二連續(xù)程度與初始距離值確定相似程度。[0063] 本發(fā)明實施例中，通過兩個相鄰的初始網(wǎng)格中斷點像素點的位置和連續(xù)程度，可以確定兩個相鄰初始網(wǎng)格的相似程度，則可以將兩個相鄰的初始網(wǎng)格分別稱為第一初始網(wǎng)格與第二初始網(wǎng)格，以對兩個相鄰的初始網(wǎng)格進(jìn)行區(qū)分，計算第一初始網(wǎng)格中的每個斷點像素點分別與第二初始網(wǎng)格的所有斷點像素點的距離值，確定其中的最小距離值，將第一初始網(wǎng)格中的所有斷點像素點對應(yīng)的最小距離值的累加值作為第一初始網(wǎng)格和第二初始網(wǎng)格間的初始距離值。[0064] 進(jìn)一步地，本發(fā)明實施例中，根據(jù)第一連續(xù)程度、第二連續(xù)程度與初始距離值確定相似程度，包括：[0065] 根據(jù)相似程度公式計算相似程度，對應(yīng)的計算公式為：[0066][0067] 式中， 表示相似程度， 表示第一連續(xù)程度， 表示第二連續(xù)程度，表示初始距離值， 表示取絕對值。[0068] 由相似程度公式可知，在第一連續(xù)程度與第二連續(xù)程度的差值絕對值越大時，所對應(yīng)相似程度越大，同理，初始距離值越大時，可以表示與第一初始網(wǎng)格中所有斷點像素點對應(yīng)的最小距離值的累加值越大，相似程度越大，在相似程度越大時，可以表示第一初始網(wǎng)格與第二初始網(wǎng)格越不相似，也即是說，根據(jù)相似程度對相鄰的初始網(wǎng)格進(jìn)行網(wǎng)格合并，得到目標(biāo)網(wǎng)格，包括：將相似程度小于預(yù)設(shè)相似程度閾值且相鄰的初始網(wǎng)格進(jìn)行網(wǎng)格合并，得到目標(biāo)網(wǎng)格。[0069] 其中，預(yù)設(shè)相似程度閾值，為相似程度的門限值，可選地，預(yù)設(shè)相似程度閾值可以設(shè)置為12，當(dāng)然，也可以根據(jù)實際處理情況進(jìn)行調(diào)整，對此不作限制。在第一初始網(wǎng)格與第二初始網(wǎng)格的相似程度小于該門限值時，可以將對應(yīng)的第一初始網(wǎng)格與第二初始網(wǎng)格進(jìn)行合并處理，由此，遍歷焚燒爐渣灰度圖像中所有的初始網(wǎng)格，得到合并完成后的目標(biāo)網(wǎng)格。[0070] S103：根據(jù)目標(biāo)網(wǎng)格中像素點的連續(xù)程度和初始種子點的數(shù)量，確定目標(biāo)網(wǎng)格的待選數(shù)量，選擇目標(biāo)網(wǎng)格中梯度幅值最大的待選數(shù)量個像素點作為待選種子點，確定待選種子點的重要程度，根據(jù)重要程度從待選種子點中選擇目標(biāo)種子點。[0071] 可選地，本發(fā)明實施例中，根據(jù)目標(biāo)網(wǎng)格中像素點的連續(xù)程度和初始種子點的數(shù)量，確定目標(biāo)網(wǎng)格的待選數(shù)量，包括：計算目標(biāo)網(wǎng)格中像素點的連續(xù)程度和初始種子點的數(shù)量的乘積作為數(shù)量乘積，對數(shù)量乘積進(jìn)行向上取整處理，得到待選數(shù)量。[0072] 其中，待選數(shù)量，為目標(biāo)網(wǎng)格中待選種子點的數(shù)量。[0073] 其中，可以由待選數(shù)量公式計算得到待選數(shù)量，對應(yīng)的計算公式為：[0074][0075] 式中， 表示目標(biāo)網(wǎng)格中的待選數(shù)量，表示該目標(biāo)網(wǎng)格中初始種子點的數(shù)量，表示目標(biāo)網(wǎng)格中像素點的連續(xù)程度， 表示向上取整函數(shù)。[0076] 由待選數(shù)量公式可知，當(dāng)其他參數(shù)不變時，目標(biāo)網(wǎng)格中初始種子點的數(shù)量越多，則可以表示目標(biāo)網(wǎng)格越大，目標(biāo)網(wǎng)格的大小越大，其中所含有的灰度變化信息可能越多，對應(yīng)的待選數(shù)量需越多；同理，其他參數(shù)不變時，目標(biāo)網(wǎng)格中待選擇種子點數(shù)量與目標(biāo)網(wǎng)格的連續(xù)程度也成正比，當(dāng)目標(biāo)網(wǎng)格的連續(xù)程度越高，即 的值越大，則表示圖像中的灰度變化越多，所對應(yīng)的待選數(shù)量越多。[0077] 在確定目標(biāo)網(wǎng)格的待選數(shù)量之后，可以根據(jù)目標(biāo)網(wǎng)格中像素點的梯度幅值，選擇目標(biāo)網(wǎng)格中梯度幅值最大的待選數(shù)量個像素點作為待選種子點，舉例而言，在待選數(shù)量為10個時，可以將目標(biāo)網(wǎng)格中像素點的梯度幅值由大到小排序，選擇序列中的前10個像素點作為待選種子點。

[0078] 進(jìn)一步地，本發(fā)明實施例中，確定待選種子點的重要程度，包括：確定待選種子點所處的游程線段兩端的斷點像素點為第一像素點和第二像素點，計算第一像素點和第二像素點間的距離作為游程距離；計算待選種子點和第一像素點的距離為第一斷點距離，計算待選種子點和第二像素點的距離為第二斷點距離，確定第一斷點距離和第二斷點距離中的最大值為最大斷點距離，計算游程距離與最大斷點距離的比值為距離比值；計算游程距離和距離比值的乘積作為重要程度。[0079] 本發(fā)明實施例中，可以確定待選種子點所處的游程線段，并將該游程線段兩端的斷點像素點作為第一像素點和第二像素點，并將第一像素點和第二像素點間的距離作為游程距離。可以理解的是，可以直接根據(jù)兩點間的距離公式確定第一像素點和第二像素點間的游程距離，同理，后續(xù)在進(jìn)行兩點間的距離計算時，也同樣可以使用兩點間的距離公式。[0080] 本發(fā)明實施例中，計算待選種子點和第一像素點的距離為第一斷點距離，計算待選種子點和第二像素點的距離為第二斷點距離，確定第一斷點距離和第二斷點距離中的最大值為最大斷點距離。舉例而言，在待選種子點和第一像素點間的第一斷點距離為10，待選種子點和第二像素點間的第二斷點距離為20時，由于20大于10，則可以將20作為最大斷點距離。[0081] 本發(fā)明實施例中，計算游程距離與最大斷點距離的比值為距離比值，可以理解的是，由于第一斷點距離和第二斷點距離的和值即為游程距離，以第一斷點距離為10，第二斷點距離為20進(jìn)行具體示例，則游程距離為30，距離比值為 。[0082] 本發(fā)明實施例中，計算游程距離和距離比值的乘積作為重要程度，可以通過重要程度公式計算得到重要程度，對應(yīng)的計算公式為：[0083][0084] 式中， 表示重要程度， 表示游程距離， 表示第一斷點距離， 表示第二斷點距離， 表示求最大值函數(shù)， 表示最大斷點距離， 表示距離比值。

[0085] 由重要程度公式可知，在其他因素不變時，游程距離越大，越可以表示待選種子點所處游程線段越長，重要程度越大；本發(fā)明實施例中，距離比值越大，可以表示待選種子點越處于該游程線段的中點位置，對應(yīng)的重要程度越大。[0086] 本發(fā)明實施例中，待選種子點所處游程線段越長，且待選種子點越處于該游程線段的中點位置，則可以表示待選種子點作為中心點的效果越優(yōu)，則本發(fā)明實施例中，選擇重要程度最大的待選種子點作為目標(biāo)種子點。[0087] 本發(fā)明實施例中，可以分別計算目標(biāo)網(wǎng)格中每個待選種子點的重要程度，而后將重要程度最大的待選種子點作為目標(biāo)種子點。由此，得到每個目標(biāo)網(wǎng)格的目標(biāo)種子點。[0088] 本發(fā)明實施例中，由于是通過確定待選種子點，而后根據(jù)待選種子點的重要程度確定目標(biāo)種子點，可以避免遍歷目標(biāo)網(wǎng)格中所有的像素點，從而確定目標(biāo)種子點，在保證目標(biāo)種子點選擇的客觀性與準(zhǔn)確性的同時，有效提升目標(biāo)種子點的確定效率。[0089] S104：根據(jù)目標(biāo)種子點對焚燒爐渣灰度圖像進(jìn)行超像素分割處理，得到目標(biāo)圖像塊，對目標(biāo)圖像塊進(jìn)行語義識別，得到識別結(jié)果，將識別結(jié)果作為焚燒爐渣的分選結(jié)果。[0090] 本發(fā)明實施例中，根據(jù)目標(biāo)種子點對焚燒爐渣灰度圖像進(jìn)行超像素分割處理，得到目標(biāo)圖像塊，也即是說，可以將目標(biāo)種子點所處位置作為聚類中心，對焚燒爐渣灰度圖像中的像素點進(jìn)行聚類，從而生成多個目標(biāo)圖像塊，其中，超像素分割為本領(lǐng)域所熟知的技術(shù)，可以基于目標(biāo)種子點對焚燒爐渣灰度圖像進(jìn)行超像素分割處理，由此將焚燒爐渣灰度圖像分割為多塊目標(biāo)圖像塊，從而有效將距離相近且語義相同的像素點分割至同一塊目標(biāo)圖像塊中。[0091] 可以理解的是，未燃燒完全的爐渣和已燃燒完全的爐渣之間存在較為明顯的差異，在燃燒完全的爐渣表面，其灰度值通常較高，或者爐渣表面上存在較多的孔洞，而未燃燒完全的爐渣表面灰度值較低且不存在孔洞。因此，可以基于該特性，使用預(yù)訓(xùn)練的語義分割神經(jīng)網(wǎng)絡(luò)對經(jīng)過超像素分割后的目標(biāo)圖像塊進(jìn)行語義識別，得到識別結(jié)果。[0092] 其中，識別結(jié)果，可以具體例如為識別標(biāo)簽，舉例而言，標(biāo)注未燃燒完全的爐渣為0，已燃燒完全的爐渣為1，其他雜質(zhì)為2等，則對應(yīng)的未燃燒完全的爐渣的識別標(biāo)簽為0，已燃燒完全的爐渣的識別標(biāo)簽為1，其他雜質(zhì)的識別標(biāo)簽為2，對此不作限制。

[0093] 示例性地，語義識別過程可以具體例如為使用預(yù)訓(xùn)練的全卷積神經(jīng)網(wǎng)絡(luò)（FullyConvolutionalNetwork，F(xiàn)CN），將目標(biāo)圖像塊作為輸入，輸出對應(yīng)各目標(biāo)圖像塊的識別檢測結(jié)果。先通過卷積、池化等過程提取各目標(biāo)圖像塊在焚燒爐渣灰度圖像中的位置以及灰度值等圖像特征，而后基于圖像特征，使用預(yù)訓(xùn)練的語義識別模型識別各目標(biāo)圖像塊的語義標(biāo)簽，并將語義標(biāo)簽作為識別結(jié)果。[0094] 本發(fā)明實施例中，還可以使用多種其他任意可能的實現(xiàn)方式對目標(biāo)圖像塊進(jìn)行語義識別，得到識別結(jié)果，對此不作限制。在確定識別結(jié)果之后，可以將識別結(jié)果作為焚燒爐渣的分選結(jié)果，由此，能夠在保證焚燒爐渣的分選可靠性的同時，有效提升焚燒爐渣的分選效率。[0095] 本發(fā)明通過可見光手段獲取焚燒爐渣可見光圖像，而后確定網(wǎng)格邊長，能夠結(jié)合焚燒爐渣灰度圖像中像素點的梯度分布，基于可見光手段有效對焚燒爐渣內(nèi)的圖像信息進(jìn)行分析；通過初始網(wǎng)格內(nèi)斷點像素點的數(shù)量和網(wǎng)格邊長，確定初始網(wǎng)格的連續(xù)程度，能夠?qū)γ總€初始網(wǎng)格的連續(xù)程度進(jìn)行有效統(tǒng)計，從而便于后續(xù)根據(jù)連續(xù)程度和相鄰的兩個初始網(wǎng)格中斷點像素點的位置，確定相鄰的初始網(wǎng)格間的相似程度，相似程度的確定，能夠結(jié)合兩個相鄰的初始網(wǎng)格間的斷點像素點位置與連續(xù)程度，有效提升相似程度的準(zhǔn)確性，而后根據(jù)相似程度對相鄰的初始網(wǎng)格進(jìn)行網(wǎng)格合并，得到目標(biāo)網(wǎng)格，有效提升目標(biāo)網(wǎng)格中像素點表示同一語義的可靠性；通過確定待選數(shù)量，并選擇待選數(shù)量個像素點作為待選種子點，從待選種子點中確定目標(biāo)種子點，能夠避免遍歷目標(biāo)網(wǎng)格中的全部像素點，從而有效提升目標(biāo)種子點確定的效率，通過目標(biāo)種子點對焚燒爐渣灰度圖像進(jìn)行超像素分割處理，得到目標(biāo)圖像塊，能夠根據(jù)目標(biāo)種子點對焚燒爐渣灰度圖像進(jìn)行準(zhǔn)確分割，保證目標(biāo)圖像塊中像素點具有相同的語義，有效提升焚燒爐渣灰度圖像分割的可靠性，對目標(biāo)圖像塊進(jìn)行語義識別，得到焚燒爐渣的分選結(jié)果，能夠結(jié)合超像素分割和語義識別，準(zhǔn)確識別各目標(biāo)圖像塊的語義結(jié)果，得到更為準(zhǔn)確可靠的焚燒爐渣的分選結(jié)果。綜上，本發(fā)明能夠基于可見光手段有效對焚燒爐渣內(nèi)的圖像信息進(jìn)行分析，提升焚燒爐渣分選的可靠性。[0096] 本發(fā)明還提出了一種焚燒爐渣分選系統(tǒng)，包括存儲器和處理器，處理器執(zhí)行存儲器存儲的計算機程序，以實現(xiàn)如上述的一種焚燒爐渣分選方法。[0097] 需要說明的是：上述本發(fā)明實施例先后順序僅僅為了描述，不代表實施例的優(yōu)劣。在附圖中描繪的過程不一定要求示出的特定順序或者連續(xù)順序才能實現(xiàn)期望的結(jié)果。在某些實施方式中，多任務(wù)處理和并行處理也是可以的或者可能是有利的。

[0098] 本說明書中的各個實施例均采用遞進(jìn)的方式描述，各個實施例之間相同相似的部分互相參見即可，每個實施例重點說明的都是與其他實施例的不同之處。