[發明專利]一種堆疊千克組砝碼識別與關鍵部位分割方法

在審

• 申請號: 202011083318.2
• 申請日: 2020-10-12
• 公開（公告）號: CN112233078A
• 公開（公告）日: 2021-01-15
• 發明（設計）人: 馬健;趙迪;喻文賓;劉桂雄
• 申請（專利權）人: 廣州計量檢測技術研究院
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/34;G06N3/04
• 代理公司: 北京天奇智新知識產權代理有限公司 11340
• 代理人: 王澤云

本發明公開了一種堆疊千克組砝碼識別與關鍵部位分割方法，包括：確定千克組砝碼特征及關鍵部位；對收集到的堆疊千克組砝碼數據集進行標注；使用圖像增強算法對標記數據進行圖像增強、數據增強處理；使用ResNet+FPN網絡作為堆疊千克組砝碼及其關鍵部位的特征提取器；對堆疊千克組砝碼關鍵部位進行分割以及對堆疊千克組砝碼中千克組砝碼實例進行識別、定位；使用增強過的堆疊千克組砝碼數據對網絡進行訓練，目標函數為圖像的交叉熵損失函數，用梯度下降法求解損失函數取，取到全局最小值或局部最小值時得到對應的模型參數，完成神經網絡模型建立。本發明可快速精準地識別、分割堆疊千克組砝碼及其關鍵部位，可適用于部分遮擋的低對比度物體識別與分割。

技術領域

本發明涉及機器學習實例分割技術領域，尤其涉及一種堆疊千克組砝碼識別與關鍵部位分割方法。

背景技術

堆疊砝碼與砝碼之間、砝碼抓手的識別是典型的遮擋對象低對比度低飽和度圖像檢測問題。低對比度圖像具有鄰近像素的空間相關性高、灰度變化不明顯的特點，圖像中的目標、細節、特征等信息都包含在一個較窄的灰度范圍內而難以區分，從而給目標的識別與分割帶來困難。傳統的目標識別方法多基于對輪廓片段等局部特征的模板匹配，記錄匹配得分的情況實現對遮擋目標的識別?；谀０迤ヅ涞膫鹘y識別方法對遮擋物體的識別需要在特定的條件下才可以較準確的識別，在面對低對比度低飽和度遮擋物體時準確率不佳、定位誤差較大。本發明提出的一種堆疊千克組砝碼識別與關鍵部位分割方法，這個算法利用了目前先進的深度神經網絡，具有很好的圖像理解能力，再加上合理的圖像增強及數據增強，解決了識別堆疊千克組砝碼的問題。

發明內容

為解決上述技術問題，本發明的目的是提供一種堆疊千克組砝碼識別與關鍵部位分割方法。

本發明的目的通過以下的技術方案來實現：

一種堆疊千克組砝碼識別與關鍵部位分割方法，包括：

A確定千克組砝碼特征及關鍵部位；

B對收集到的堆疊千克組砝碼數據集進行標注；

C使用圖像增強算法對標記數據進行圖像增強、數據增強處理；

D使用ResNet+FPN網絡作為堆疊千克組砝碼及其關鍵部位的特征提取器；

E對堆疊千克組砝碼關鍵部位進行分割以及對堆疊千克組砝碼中千克組砝碼實例進行識別、定位；

F使用增強過的堆疊千克組砝碼數據對網絡進行訓練，目標函數為圖像的交叉熵損失函數，用梯度下降法求解損失函數取，取到全局最小值或局部最小值時得到對應的模型參數，完成神經網絡模型建立。

與現有技術相比，本發明的一個或多個實施例可以具有如下優點：

可以快速精準地識別、分割堆疊千克組砝碼及其關鍵部位，可適用于部分遮擋的低對比度物體識別與分割。為千克組砝碼智能化檢定過程的自動化抓取掃除了識別的技術障礙，為復雜環境下堆疊物體識別分割提供了相關技術。

附圖說明

圖1是堆疊千克組砝碼識別與關鍵部位分割方法流程框圖；

圖2是改進Mask R-CNN網絡的基礎結構圖。

具體實施方式

為使本發明的目的、技術方案和優點更加清楚，下面將結合實施例及附圖對本發明作進一步詳細的描述。