[发明专利]基于深度学习和图像处理算法的目标检测方法

权利要求书

1.基于深度学习和图像处理算法的目标检测方法，其特征在于：所述方法具体过程为：

步骤一、建立数据集，根据数据集对SSD网络进行训练，得到最终训练好的SSD网络，使用最终训练好的SSD网络模型对待检测的图像中的插针进行检测，在图像上用预选框把插针所在范围框出；

步骤二、使用大津算法将预选框中的图像内容进行二值化，即分为插针及非插针两部分；

步骤三、通过漫水填充算法，将二值化后的插针从图像中分离出来，并计算出插针的位置中点。

2.根据权利要求1所述基于深度学习和图像处理算法的目标检测方法，其特征在于：所述步骤一中建立数据集，根据数据集对SSD网络进行训练，得到最终训练好的SSD网络，使用最终训练好的SSD网络模型对待检测的图像中的插针进行检测，在图像上用预选框把插针所在范围框出；具体过程为：

步骤一一、采集数据集：

首先将相机安装在机械臂末端，对待识别区域的图像进行采集，构成数据集，并通过人工手段对数据集的图像进行标注；

步骤一二、对标注完的数据集的图像进行增广：

采用添加椒盐噪声，高斯噪声和旋转方式，改变标注完的数据集中图像的HSV空间的曝光度和饱和度，对数据集的图片进行增广；

步骤一三、划分数据集：

将增广后的数据集的图像分为训练集，验证集和测试集，训练集，验证集和测试集各自所占比例分别为8:1:1；

将训练集，验证集和测试集转换为TFRecord格式；

步骤一四、根据训练集对SSD网络进行训练，得到最终训练好的SSD网络；

步骤一五、使用最终训练好的SSD网络模型对待检测的图像中的插针进行检测，在图像上用预选框把插针所在范围框出。

3.根据权利要求2所述基于深度学习和图像处理算法的目标检测方法，其特征在于：所述步骤一四中根据训练集对SSD网络进行训练，得到最终训练好的SSD网络；具体过程为：

步骤一四一、搭建SSD网络架构；

步骤一四二、将训练集和验证集输入到SSD网络中，采用七块1080ti显卡对SSD网络模型进行训练，训练过程中，通过Tensorboard实时观察SSD网络模型的训练集损失值和验证集正确率，当训练集损失值收敛且满足SSD网络不出现过拟合时停止训练，得到训练完的SSD网络模型；

步骤一四三、采用测试集对训练完的SSD网络模型进行测试，当测试集准确率满足要求时，得到最终训练好的SSD网络模型及该SSD网络模型的参数w，b，否则重复执行步骤一四一至步骤一四三，直至测试集准确率满足要求。

4.根据权利要求3所述基于深度学习和图像处理算法的目标检测方法，其特征在于：所述测试集准确率满足要求为测试集准确率达到95％。

5.根据权利要求4所述基于深度学习和图像处理算法的目标检测方法，其特征在于：所述步骤一四一中搭建SSD网络架构；具体为：

SSD网络的输入图像大小是300x300，特征提取部分使用了VGG16的卷积层，并将VGG16的两个全连接层转换成2个卷积层，之后接6个卷积层，得到大小不同的feature maps，在feature maps上同时进行分类器分类和位置回归。