[發明專利]一種基于圖像深度學習的電路連接解析算法

在審

• 申請號: 202210083565.5
• 申請日: 2022-01-21
• 公開（公告）號: CN114418020A
• 公開（公告）日: 2022-04-29
• 發明（設計）人: 李麗;劉凱;鄭德欣
• 申請（專利權）人: 上海錫鼎智能科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06V10/764;G06V10/74;G06N3/04;G06N3/08;G09B23/18
• 代理公司: 上海和華啟核知識產權代理有限公司 31339
• 代理人: 王仙子

本發明揭示了一種基于圖像深度學習的電路連接解析算法，包括如下步驟：先將原始圖像調整至固定尺寸，然后對調整后的原始圖像進行初步特征提取，并進行下采樣，得到第一特征圖，再通過在第一特征圖位置提取出位置特征并處理，得到第二特征圖，判斷第二特征圖中特征是否匹配，根據匹配關系進行損失計算，對第一特征圖分別進行多次上采樣，并進行信息標注，分別計算得出分割損失和連接點定位部分損失，輸入圖像，輸出導線的分割結果、導線對應的端點位置和端點對應的特征向量，根據端點對應的特征向量判斷端點是否處于連接狀態。本發明通過上述步驟來判斷學生在實驗時電路是否連接正確，來便于老師更好的獲知學生對知識點的掌握情況。

技術領域

本發明涉及教學實驗領域，特別是涉及一種基于圖像深度學習的電路連接解析算法。

背景技術

在物理實驗教學過程中，為了加深學生對知識點的理解、提升教學實驗效果以及培養學生的實踐操作能力和工程應用能力，需要對學生開展教學測試實驗。

當學生完成教學實驗后，需要對學生連接的電路是否準確連接進行評判，以便于對學生進行指正。然而由于學生過多，老師無法確保兼顧到每一個學生，進而導致老師無法獲知部分學生關于知識點的掌握情況，影響教學效果。因此需要一種基于圖像深度學習的電路連接解析算法，以解決上述問題。

發明內容

本發明的目的在于，提供一種基于圖像深度學習的電路連接解析算法，以實現方便檢測學生電路是否正確連接的功能。

為解決上述技術問題，本發明提供一種基于圖像深度學習的電路連接解析算法，包括如下步驟：

將原始圖像調整至固定尺寸；

對調整后的原始圖像進行初步特征提取，并進行下采樣，得到第一特征圖；

在所述第一特征圖位置提取出位置特征并處理，得到第二特征圖；

判斷所述第二特征圖中特征是否匹配，根據匹配關系進行損失計算；

對所述第一特征圖分別進行多次上采樣，并進行信息標注，分別計算得出分割損失和連接點定位部分損失；

輸入圖像，輸出導線的分割結果、導線對應的端點位置和端點對應的特征向量；

根據所述端點對應的特征向量判斷端點是否處于連接狀態。

進一步的，獲得所述第一特征圖的步驟包括：通過卷積神經網絡對調整后的所述原始圖像進行初步特征的提取，對所述初步特征進行下采樣，得到所述第一特征圖。

進一步的，獲得所述第二特征圖的步驟包括：使用ROI-Pooling方法，用于提取所述第一特征圖坐標下采樣位置所相對應的所述位置特征，通過將位置特征調整至統一大小，得到所述第二特征圖。

進一步的，所述第二特征圖中特征是否匹配的判斷方法為：根據所述位置特征在單位球上的距離進行判斷，匹配的特征之間在所述單位球上距離接近，不匹配的其他所有特征之間在所述單位球上距離拉遠。

進一步的，所述損失計算為點對比損失計算，所述點對比損失計算公式為：

其中i和j為任意兩匹配點，z_i和z_j分別表示其對應的局部特征，sim為余弦相似度，該損失分子部分會使得匹配點的余弦相似度增大；

分母部分為所有不匹配的點，該部分會使得所有不匹配點的余弦相似度減小。

進一步的，所述第一特征圖上采樣的方法為：在所述第一特征圖后接一帶殘差的卷積網絡，并進行轉置卷積。