[发明专利]齿痕检测方法、装置、电子设备及可读存储介质

权利要求书

1.一种齿痕检测方法，其特征在于，包括：

将标定有齿痕区域的样本舌头图像输入深度学习神经网络进行训练；

检测所述深度学习神经网络的损失值是否小于预设阈值，在小于预设阈值时，判定所述深度学习神经网络训练完成；

将待识别的舌头图像输入训练完成的深度学习神经网络进行识别，确定所述待识别的舌头图像中的齿痕区域。

2.根据权利要求1所述的齿痕检测方法，其特征在于，所述方法还包括，标定所述样本舌头图像中的齿痕区域，具体步骤包括：

建立与所述样本舌头图像对应的二维坐标系；

响应用户输入的标定指令，在所述二维坐标系中使用标定框选定所述样本舌头图像中的齿痕区域；

根据所述标定框的多个角点在所述样本舌头图像中的坐标偏移值，确定所述齿痕区域在所述二维坐标系中的标定坐标偏移值。

3.根据权利要求2所述的齿痕检测方法，其特征在于，将标定有齿痕区域的样本舌头图像输入深度学习神经网络进行训练的步骤包括：

建立包含PNet、RNet和ONet的深度学习神经网络；

使用所述PNet对所述样本舌头图像中的齿痕区域进行预测，确定预测得到的齿痕区域在所述二维坐标系中的预测坐标偏移值；

将所述预测坐标偏移值与所述标定坐标偏移值之间的差值做交叉熵损失，采用梯度下降法调整所述预测坐标偏移值与所述标定坐标偏移值之间的训练误差；

当所述预测坐标偏移值与所述标定坐标偏移值之间的训练误差小于预设阈值时，结束所述PNet识别训练，得到所述样本舌头图像中存在齿痕的预测区域以及所述预测区域的置信度；

使用所述RNet对所述预测区域进行进一步检测，提取所述预测区域中置信度高于第一预设阈值的预测区域，并进行非极大值抑制得到准确率更高的预测区域；

使用所述ONet对经过RNet筛选的预测区域进行预测，提取出预测区域中置信度高于第二预设阈值的区域，进行非极大值抑制得到最终预测区域的坐标偏移值，并将所述最终预测区域的坐标偏移值映射回所述样本舌头图像得到目标区域。

4.根据权利要求1所述的齿痕检测方法，其特征在于，将待识别的舌头图像输入训练完成的深度学习神经网络进行识别，确定所述待识别的舌头图像中的齿痕区域的步骤包括：

将所述待识别的舌头图像输入至经过训练的所述深度学习神经网络中；

通过所述深度学习神经网络确定所述待识别的舌头图像中齿痕区域的坐标偏移值；

根据所述待识别的舌头图像中齿痕区域的坐标偏移值，通过标定框标定所述待识别的舌头图像中的齿痕区域。

5.一种齿痕检测装置，其特征在于，包括：

神经网络训练模块，用于将标定有齿痕区域的样本舌头图像输入深度学习神经网络进行训练；

训练结果确定模块，用于检测所述深度学习神经网络的损失值是否小于预设阈值，在小于预设阈值时，判定所述深度学习神经网络训练完成；

结果识别模块，用于将待识别的舌头图像输入训练完成的深度学习神经网络进行识别，确定所述待识别的舌头图像中的齿痕区域。

6.根据权利要求5所述的齿痕检测装置，其特征在于，所述齿痕检测装置还包括，样本标定模块，用于标定所述样本舌头图像中的齿痕区域，具体用于：

建立与所述样本舌头图像对应的二维坐标系；

响应用户输入的标定指令，在所述二维坐标系中使用标定框选定所述样本舌头图像中的齿痕区域；

根据所述标定框的多个角点在所述样本舌头图像上的坐标偏移值，确定所述齿痕区域在所述二维坐标系中的标定坐标偏移值。