[發明專利]一種基于NCS、MS的相似物體實時檢測方法及系統

有效

• 申請號: 202010432326.7
• 申請日: 2020-05-20
• 公開（公告）號: CN111652292B
• 公開（公告）日: 2022-12-06
• 發明（設計）人: 王元峰;楊鳳生;王林波;曾惜;楊金鐸;王恩偉;王冕;王宏遠;劉暢;蘭雯婷;熊萱;龍思璇;馬庭樺;付濱
• 申請（專利權）人: 貴州電網有限責任公司
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/764;G06V10/82;G06N3/08
• 代理公司: 南京禹為知識產權代理事務所(特殊普通合伙) 32272
• 代理人: 劉小莉

本發明公開了一種基于NCS、MS的相似物體實時檢測方法及系統，包括，采集相似物體的圖像數據進行預處理，提取邊緣特征參數構建樣本數據集；將所述樣本數據集輸入識別模型內進行訓練，直至滿足訓練精度閾值時結束訓練，輸出識別結果；利用決策模型對所述識別結果進行相應物體編號的檢測分類，結合AI加速器實時推進檢測進程，輸出相應的檢測結果；將所述檢測結果導入貝葉斯分析模型內進行二次驗證判定，利用移動終端或樹莓派顯示器實時顯示驗證結果及所述檢測結果。本發明能夠快速推進圖像檢測物體并識別出物體的具體對象，從而解決了在圖像檢測多個相似物體的過程中無法判斷具體對象的問題，具有較高的實時性、準確性、應用性、經濟性。

技術領域

本發明涉及圖像檢測的技術領域，尤其涉及一種基于NCS、MS的相似物體實時檢測方法及系統。

背景技術

目前在圖像檢測領域，基于圖像工作站或網絡服務的物體檢測技術、磁場傳感器和神經計算棒已經非常成熟，但是在某些特定工業生產的場景中，需要設備在非互聯網狀態對相似的多個并列物體進行實時檢測，并識別物體的具體對應編號對象，并存儲其過程數據，利用傳統的單攝像頭物體檢測技術中無法滿足。

傳統的多物體實時檢測需要對應多個攝像頭，利用網絡實時將數據傳到帶有高端GPU的圖像工作站中進行實時檢測，對于大規模工業運用中成本及其高昂。

發明內容

本部分的目的在于概述本發明的實施例的一些方面以及簡要介紹一些較佳實施例。在本部分以及本申請的說明書摘要和發明名稱中可能會做些簡化或省略以避免使本部分、說明書摘要和發明名稱的目的模糊，而這種簡化或省略不能用于限制本發明的范圍。

鑒于上述現有存在的問題，提出了本發明。

因此，本發明提供了一種基于NCS、MS的相似物體實時檢測方法及系統，能夠解決某些特定工業生產場景中無法實現實時準確的識別多個相似物體的問題。

為解決上述技術問題，本發明提供如下技術方案：包括，采集相似物體的圖像數據進行預處理，提取邊緣特征參數構建樣本數據集；將所述樣本數據集輸入識別模型內進行訓練，直至滿足訓練精度閾值時結束訓練，輸出識別結果；利用決策模型對所述識別結果進行相應物體編號的檢測分類，結合AI加速器實時推進檢測進程，輸出相應的檢測結果；將所述檢測結果導入貝葉斯分析模型內進行二次驗證判定，利用移動終端或樹莓派顯示器實時顯示驗證結果及所述檢測結果。

作為本發明所述的一種基于NCS、MS的相似物體實時檢測方法的一種優選方案，其中：預處理所述圖像數據包括，消除所述圖像數據的噪聲點，設定檢測值，依次檢測所述圖像數據中的像素；將所述像素與鄰域內其他像素進行比較，判斷是否為噪聲點，若是，則以所述鄰域內所有像素灰度平均值替代，若否，則以原灰度值輸出；利用Sobel算子銳化去燥的所述圖像數據，結合加權平均增強圖像邊緣兩側的像素；利用差分近似微分策略將所述Sobel算子與所述圖像數據進行卷積完成檢測，找到圖像中局部亮度變化最顯著的部分像素的集合；根據所述圖像數據的灰度、顏色、幾何性質將含義不同的圖像區域分開，選取閾值，利用灰度頻率分布信息進行二值化分割，獲得預處理完成的信息特征圖像。

作為本發明所述的一種基于NCS、MS的相似物體實時檢測方法的一種優選方案，其中：提取所述邊緣特征參數包括，基于邊緣結構相似度引入選擇性搜索策略提取所述信息特征圖像中的特征參數候選區域并進行歸一化處理；利用多特征策略分割所述候選區域，生成分割區域集合；基于所述邊緣結構相似度合并所述分割區域集合，作為卷積神經網絡的輸入，利用七層的CNN網絡模型提取所述邊緣特征參數。

作為本發明所述的一種基于NCS、MS的相似物體實時檢測方法的一種優選方案，其中：構建所述樣本數據集包括，隨機選取一半的所述邊緣特征參數，定義為訓練集，剩余一半的所述邊緣特征參數定義為測試集。

作為本發明所述的一種基于NCS、MS的相似物體實時檢測方法的一種優選方案，其中：訓練所述識別模型包括，選取徑向基函數作為LSSVM的目標函數，如下