[發明專利]基于深度學習的木材計數方法

有效

• 申請號: 202011637054.0
• 申請日: 2020-12-31
• 公開（公告）號: CN112686872B
• 公開（公告）日: 2023-06-02
• 發明（設計）人: 曹國;賀雨霞
• 申請（專利權）人: 南京理工大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06V10/764;G06V10/82;G06N3/0464;G06N3/08
• 代理公司: 南京理工大學專利中心 32203
• 代理人: 岑丹

1.一種基于深度學習的木材計數方法，其特征在于，具體步驟為：

步驟1：拍攝設定數量的木材圖片，并標記圖像中的木材輪廓，構成數據集；

步驟2：將數據集輸入Mask?RCNN模型進行訓練；

步驟3：對待檢測圖片進行預處理操作，使用圖像增強算法使圖片更加清晰；

步驟4：將預處理后的待檢測圖片輸入訓練好的Mask?RCNN模型，獲得木材截面的掩碼區域、木材區域框坐標；

步驟5：利用步驟4得到的木材區域框坐標，對木材區域做重疊判斷，刪除判斷為重疊的區域坐標點，具體方法為：

設任一矩形A的左上角坐標為(X_a1，Y_a1)，右下角坐標為(X_a2，Y_a2)，任一矩形B的左上角坐標為(X_b1，Y_b1)，右下角坐標為(X_b2，Y_b2)；

若兩個矩形的中心坐標的水平和垂直距離滿足以下條件，認為兩個矩形相交，具體為：

矩形A的寬W_a＝X_a2-X_a1，高H_a＝Y_a2-Y_a1；

矩形B的寬W_b＝X_b2-X_b1，高H_b＝Y_b2-Y_b1；

矩形A的中心坐標

矩形B的中心坐標

只要同時滿足下面兩個式子，判斷兩個矩形相交：

1)

2)

即：|X_b2+X_b1-X_a2-X_a1|≤X_a2-X_a1+X_b2-X_b1，|Y_b2+Y_b1-Y_a2-Y_a1|≤Y_a2-Y_a1+Y_b2-Y_b1，

若兩個矩形相交，設相交之后的矩形為C，且矩形C的左上角坐標為(X_c1，Y_c1)，右下角坐標為(X_c2，Y_c2)，得到矩形C的坐標具體為：

X_c1＝max(X_a1，X_b1)，

Y_c1＝max(Y_a1，Y_b1)，

X_c2＝max(X_a2，X_b2)，

Y_c2＝max(Y_a2，Y_b2)；

計算重疊率，將重疊率大于設定閾值的矩形判別為重疊框；

步驟6：利用步驟4得到的木材區域框坐標，對木材四周的區域做誤檢判斷，刪除判斷為誤檢木材的區域坐標點；

步驟6-1：計算所有木材區域框的中心點；

步驟6.2：找出x軸方向和y軸方向的最大的兩個坐標值和最小的兩個坐標值；

步驟6-2，靠近圖像邊界的木材區域框坐標為(X_a1，Y_a1，X_a2，Y_a2)，第二靠近邊界的木材區域框坐標為(X_b1，Y_b1,X_b2，Y_b2)，((X₁，Y₁)指木材區域框左上角坐標，(X₂，Y₂)指木材區域框右下角坐標)；

圖像左邊判斷：若X_a2比X_b1超過設定的像素點個數，則最左邊的區域框屬于誤檢；

圖像右邊判斷：若X_a1比X_b2超過設定的像素點個數，則最右邊的區域框屬于誤檢；

圖像上邊判斷：若Y_a2比Y_b1超過設定的像素點個數，則最上邊的區域框屬于誤檢；

圖像下邊判斷：若Y_a1比Y_b2超過設定的像素點個數，則最下邊的區域框屬于誤檢；

將誤檢的區域框和對應的掩碼區域刪除；

步驟7：對剩余的區域坐標進行統計，得到木材數量。