一种基于深度学习网络的物料识别离散元建模仿真方法

本发明公开了一种基于深度学习网络的物料识别离散元建模仿真方法，属于挖掘机载荷控制技术领域，包括S1、对物料进行图像信息采集；S2、对物料的图片信息进行提取与标注，制作图片数据集；S3、对数据集图片进行前处理；搭建U‑Net结构的深度学习网络模型；S4、将前处理后的数据集图片送入模型进行预训练，训练完成后保存网络参数；S5、将实际的物料场景图片输入该模型完成物料的粒度分割，得到物料粒度分布的结果；S6、在EDEM软件导入模型并进行颗粒的填充，完成物料信息的离散元模型建立。本发明的优点在于：能够快速准确地评估物料分布信息，实现物料离散元的快速建模，获得准确的作业载荷数据，提高仿真计算结果的精度。