[發(fā)明專利]基于輔助學(xué)習(xí)網(wǎng)絡(luò)的竹條缺陷檢測方法

有效

• 申請?zhí)枺?/td>: 202011118649.5
• 申請日: 2020-10-19
• 公開（公告）號: CN112184698B
• 公開（公告）日: 2022-04-15
• 發(fā)明（設(shè)計）人: 劉文哲;黃炳城;童同;高欽泉
• 申請（專利權(quán)）人: 三明帝視機(jī)器人科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/90;G06V10/32;G06V10/764;G06V10/80;G06V10/82;G06K9/62
• 代理公司: 福州元創(chuàng)專利商標(biāo)代理有限公司 35100
• 代理人: 陳明鑫;蔡學(xué)俊

本發(fā)明涉及一種基于輔助學(xué)習(xí)網(wǎng)絡(luò)的竹條缺陷檢測方法，包括以下步驟：步驟S1:采集竹條缺陷數(shù)據(jù)，并通過標(biāo)定，生成數(shù)據(jù)集；步驟S2:對數(shù)據(jù)集進(jìn)行預(yù)處理，并將預(yù)處理后的數(shù)據(jù)集作為訓(xùn)練集；步驟S3：基于訓(xùn)練集訓(xùn)練骨干網(wǎng)絡(luò)和輔助定位檢測網(wǎng)絡(luò)，進(jìn)一步得到物體預(yù)測矩陣、邊框尺寸預(yù)測矩陣和邊框偏移預(yù)測矩陣；步驟S4:根據(jù)得到的物體預(yù)測矩陣、邊框尺寸預(yù)測矩陣和邊框偏移預(yù)測矩陣，分別計算物體預(yù)測損失、邊框尺寸預(yù)測損失、邊框偏移預(yù)測損失，并進(jìn)一步計算網(wǎng)絡(luò)總損失；步驟S5:將待測圖像經(jīng)過預(yù)處理后輸入訓(xùn)練后的訓(xùn)練骨干網(wǎng)絡(luò)和輔助定位檢測網(wǎng)絡(luò)，得到檢測結(jié)果。本發(fā)明能夠準(zhǔn)確的檢測出竹條的缺陷。

技術(shù)領(lǐng)域

本發(fā)明涉及目標(biāo)檢測領(lǐng)域，具體涉及一種基于輔助學(xué)習(xí)網(wǎng)絡(luò)的竹條缺陷檢測方法。

背景技術(shù)

現(xiàn)有基于傳統(tǒng)機(jī)器學(xué)習(xí)的方法，由于存在大量人為設(shè)計超參數(shù)且面對千變?nèi)f化的竹條缺陷形狀，存在以下缺點：檢測效率低下且檢測效果不是很理想；不能根據(jù)竹條缺陷形狀自適應(yīng)調(diào)整檢測方案。且現(xiàn)實中，由于采集標(biāo)定數(shù)據(jù)的成本較高，往往只能拿到較少的數(shù)據(jù)。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明的目的在于提供一種基于輔助學(xué)習(xí)網(wǎng)絡(luò)的竹條缺陷檢測方法，能夠針對在較少的竹條缺陷數(shù)據(jù)和對不同來源類型的竹條數(shù)據(jù)的情況下檢測得到較好的檢測結(jié)果。

為實現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：

一種基于輔助學(xué)習(xí)網(wǎng)絡(luò)的竹條缺陷檢測方法，包括以下步驟：

步驟S1:采集竹條缺陷數(shù)據(jù)，并通過標(biāo)定，生成數(shù)據(jù)集；

步驟S2:對數(shù)據(jù)集進(jìn)行預(yù)處理，并將預(yù)處理后的數(shù)據(jù)集作為訓(xùn)練集；

步驟S3：基于訓(xùn)練集訓(xùn)練骨干網(wǎng)絡(luò)和輔助定位檢測網(wǎng)絡(luò)，進(jìn)一步得到物體預(yù)測矩陣、邊框尺寸預(yù)測矩陣和邊框偏移預(yù)測矩陣；

步驟S4:根據(jù)得到的物體預(yù)測矩陣、邊框尺寸預(yù)測矩陣和邊框偏移預(yù)測矩陣，分別計算物體預(yù)測損失、邊框尺寸預(yù)測損失、邊框偏移預(yù)測損失，并進(jìn)一步計算網(wǎng)絡(luò)總損失；

步驟S5:將待測圖像經(jīng)過預(yù)處理后輸入訓(xùn)練后的訓(xùn)練骨干網(wǎng)絡(luò)和輔助定位檢測網(wǎng)絡(luò)，得到檢測結(jié)果。

進(jìn)一步的，所述預(yù)處理具體為:對不同產(chǎn)地的竹條和不同批次的竹條所呈現(xiàn)的顏色差別，在每次訓(xùn)練前隨機(jī)的在圖像的HSV空間進(jìn)行微調(diào)，并加上隨機(jī)顏色抖動。

進(jìn)一步的，所述步驟S3具體為：

步驟S31:輸入竹條圖像I經(jīng)過輔助定位檢測網(wǎng)絡(luò)的降采樣特征提取表示模塊、多尺度特征融合模塊、特征傳遞輸出模塊分別得到竹條圖像特征F_d^I、F_m^I、F_L^I；

步驟S32:輸入竹條圖像I經(jīng)過骨干網(wǎng)絡(luò)的下采樣模塊、上采樣模塊特征融合部分、特征結(jié)合傳遞輸出模塊，得到特征結(jié)合傳遞輸出模塊特征F₁^I、F₂^I、F₃^I；

步驟S33:凍結(jié)骨干網(wǎng)絡(luò)，將骨干網(wǎng)絡(luò)的參數(shù)進(jìn)行傳遞到下一步，但不進(jìn)行更新，只訓(xùn)練輔助定位檢測網(wǎng)絡(luò)；

步驟S34:訓(xùn)練輔助定位檢測網(wǎng)絡(luò)至損失loss趨于穩(wěn)定后，放開凍結(jié)，將骨干網(wǎng)絡(luò)與輔助定位檢測網(wǎng)絡(luò)一同訓(xùn)練；

步驟S35:將竹條特征圖F_d^I、F_m^I、F_L^I分別與特征F₁^I、F₂^I、F₃^I進(jìn)行融合傳遞；