[發(fā)明專利]土壤掩埋物X光圖像目標(biāo)檢測方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202211258368.9
• 申請(qǐng)日: 2022-10-14
• 公開（公告）號(hào): CN115565069A
• 公開（公告）日: 2023-01-03
• 發(fā)明（設(shè)計(jì)）人: 馮薇樺;于萬鈞;南孺浩
• 申請(qǐng)（專利權(quán)）人: 上海應(yīng)用技術(shù)大學(xué)
• 主分類號(hào): G06V20/10
• 分類號(hào): G06V20/10;G06V10/20;G06V10/774
• 代理公司: 上海漢聲知識(shí)產(chǎn)權(quán)代理有限公司 31236
• 代理人: 胡晶

1.一種土壤掩埋物X光圖像目標(biāo)檢測方法，其特征在于，包括：

步驟S1：獲取待檢土壤掩埋區(qū)模擬掩埋后X光圖像及其對(duì)應(yīng)的目標(biāo)掩埋物RGB圖像，建立數(shù)據(jù)樣本庫，所述數(shù)據(jù)樣本庫中掩埋區(qū)的X光圖像與RGB圖像相對(duì)應(yīng)；

步驟S2：對(duì)所述X光圖像和對(duì)應(yīng)RGB圖像進(jìn)行預(yù)處理，并標(biāo)注出圖像中待檢測的目標(biāo)，進(jìn)而構(gòu)建出用于模型訓(xùn)練的訓(xùn)練集、驗(yàn)證集以及測試集；

步驟S3：構(gòu)建YOLOv5模型，在YOLOv5模型中構(gòu)建出用于對(duì)X光圖像進(jìn)行后處理的加權(quán)框融合模塊，生成目標(biāo)YOLOv5模型；

步驟S4：將訓(xùn)練集的圖像輸入到目標(biāo)YOLOv5模型中對(duì)模型進(jìn)行訓(xùn)練，并結(jié)合驗(yàn)證集對(duì)所述模型驗(yàn)證的結(jié)果生成具有最優(yōu)權(quán)重的模型；

步驟S5：獲取待檢土壤掩埋區(qū)每個(gè)分區(qū)的X光圖像，將待檢土壤掩埋區(qū)每個(gè)分區(qū)的X光圖像數(shù)據(jù)輸入訓(xùn)練后的所述目標(biāo)YOLOv5模型進(jìn)行土壤掩埋物X光圖像的目標(biāo)檢測與識(shí)別。

2.根據(jù)權(quán)利要求1所述的土壤掩埋物X光圖像目標(biāo)檢測方法，其特征在于，所述步驟S1包括如下步驟：

步驟S101：對(duì)待檢土壤掩埋的一固定監(jiān)測點(diǎn)進(jìn)行時(shí)長為10s的目標(biāo)掩埋物RGB圖像采集以及模擬掩埋后掩埋區(qū)的X光圖像采集；

步驟S102：將掩埋區(qū)的X光圖像與RGB圖像相對(duì)應(yīng)建立所述數(shù)據(jù)樣本庫。

3.根據(jù)權(quán)利要求1所述的土壤掩埋物X光圖像目標(biāo)檢測方法，其特征在于，所述步驟S2包括如下步驟：

步驟S201：對(duì)步所述X光圖像和與其對(duì)應(yīng)的RGB圖像進(jìn)行整理，將同一待搜索掩埋物樣本所采集的X光圖像和RGB圖像命名一致，組成對(duì)應(yīng)的圖像對(duì)；

步驟S202：所述X光圖像進(jìn)行數(shù)據(jù)增廣，對(duì)增廣后的X光圖像和RGB圖像中的掩埋物進(jìn)行邊界框標(biāo)注分類，以制作并導(dǎo)出標(biāo)簽；

步驟S203：經(jīng)過數(shù)據(jù)處理和標(biāo)簽標(biāo)記后的土壤掩埋物體樣本X光圖像及其對(duì)應(yīng)的RGB圖像隨機(jī)劃分為訓(xùn)練集、驗(yàn)證集和測試集。

4.根據(jù)權(quán)利要求XX所述的土壤掩埋物X光圖像目標(biāo)檢測方法，其特征在于，所述步驟S3的具體步驟如下：

步驟S301：在YOLOv5模型中加入加權(quán)框融合模塊生成目標(biāo)YOLOv5模型，通過所述目標(biāo)YOLOv5模型對(duì)X光圖像中含有多個(gè)交疊檢測框目標(biāo)物體的各檢測框根據(jù)置信度進(jìn)行排序；

步驟S302：將同一張圖像里進(jìn)行過排序的所有檢測框按照排序先后順序進(jìn)行聚類分析，將結(jié)聚類果存入Clusters容器中；

步驟S303：將Clusters容器中經(jīng)過聚類的同一簇檢測框通過進(jìn)行融合，計(jì)算出新的檢測框，記錄在Fusions容器中；

步驟S304：將Fusions容器里存儲(chǔ)的融合之后的檢測框顯示在輸入的X光圖像上，即生成檢測后的結(jié)果。

5.根據(jù)權(quán)利要求1所述的土壤掩埋物X光圖像目標(biāo)檢測方法，其特征在于，所述步驟S4包括如下步驟：

步驟S401：將所述X光圖像及對(duì)應(yīng)的RGB圖像數(shù)據(jù)集輸入所述目標(biāo)YOLOv5模型；

步驟S402：將所述訓(xùn)練集、測試集、驗(yàn)證集按照60％、20％、20％的比例來劃分；

步驟S403：將訓(xùn)練完成的模型最優(yōu)權(quán)重應(yīng)用至最終用于檢測的目標(biāo)YOLOv5模型中，保存各項(xiàng)訓(xùn)練生成的參數(shù)。

6.根據(jù)權(quán)利要求1所述的土壤掩埋物X光圖像目標(biāo)檢測方法，其特征在于，所述步驟S5包括如下步驟：

步驟S501：將待檢測的土壤掩埋區(qū)X光圖像數(shù)據(jù)送入經(jīng)過訓(xùn)練后的所述目標(biāo)YOLOv5模型中進(jìn)行目標(biāo)檢測和識(shí)別；

步驟S502：將已檢測的土壤掩埋區(qū)X光圖像存儲(chǔ)并索驗(yàn)，查看有無目標(biāo)搜索物檢測框提示，按照其命名的分區(qū)對(duì)應(yīng)至具體位置，發(fā)掘目標(biāo)檢測物。

7.根據(jù)權(quán)利要求6所述的土壤掩埋物X光圖像目標(biāo)檢測方法，其特征在于，所述待檢測的土壤掩埋區(qū)X光圖像為通過X光攝像機(jī)對(duì)待檢測的土壤掩埋區(qū)劃分成的多個(gè)分塊區(qū)域中每個(gè)分塊區(qū)域進(jìn)行固定時(shí)長的采集生成。

8.一種土壤掩埋物X光圖像目標(biāo)檢測系統(tǒng)，其特征在于，包括：

數(shù)據(jù)庫建立模塊，用于獲取待檢土壤掩埋區(qū)模擬掩埋后X光圖像及其對(duì)應(yīng)的目標(biāo)掩埋物RGB圖像，建立數(shù)據(jù)樣本庫，所述數(shù)據(jù)樣本庫中掩埋區(qū)的X光圖像與RGB圖像相對(duì)應(yīng)；

數(shù)據(jù)集劃分模塊，用于對(duì)所述X光圖像和對(duì)應(yīng)RGB圖像進(jìn)行預(yù)處理，并標(biāo)注出圖像中待檢測的目標(biāo)，進(jìn)而構(gòu)建出用于模型訓(xùn)練的訓(xùn)練集、驗(yàn)證集以及測試集；

模型構(gòu)建模塊，用于構(gòu)建YOLOv5模型，在YOLOv5模型中構(gòu)建出用于對(duì)X光圖像進(jìn)行后處理的加權(quán)框融合模塊，生成目標(biāo)YOLOv5模型；

模型訓(xùn)練模塊，用于將訓(xùn)練集的圖像輸入到目標(biāo)YOLOv5模型中對(duì)模型進(jìn)行訓(xùn)練，并結(jié)合驗(yàn)證集對(duì)所述模型驗(yàn)證的結(jié)果生成具有最優(yōu)權(quán)重的模型；

圖像識(shí)別模塊，用于獲取待檢土壤掩埋區(qū)每個(gè)分區(qū)的X光圖像，將待檢土壤掩埋區(qū)每個(gè)分區(qū)的X光圖像數(shù)據(jù)輸入訓(xùn)練后的所述目標(biāo)YOLOv5模型進(jìn)行土壤掩埋物X光圖像的目標(biāo)檢測與識(shí)別。