[发明专利]一种钻石内含物的智能检测方法在审
申请号: | 201910923863.9 | 申请日: | 2019-09-27 |
公开(公告)号: | CN110728663A | 公开(公告)日: | 2020-01-24 |
发明(设计)人: | 宋艳枝;邱安东 | 申请(专利权)人: | 合肥黎曼信息科技有限公司 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06T7/13;G06T3/60;G06K9/62 |
代理公司: | 31253 上海精晟知识产权代理有限公司 | 代理人: | 孙永智 |
地址: | 230000 安徽省合肥市合肥高新技术开发*** | 国省代码: | 安徽;34 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 检测结果 检测 钻石 切片 整合 内含物 底层网络 预处理 非重叠区域 图像预处理 策略整合 图片检测 网络模型 智能检测 重叠区域 钻石检测 图片 测试集 同构 拍摄 输出 预测 | ||
本发明公开了一种钻石内含物的智能检测方法,涉及钻石检测技术领域。本发明包括对待检测钻石图片预处理制成四待检测切片,采用训练完成的FPN检测网络模型对待检测切片进行检测获取与待检测切片对应的检测结果集;将位于非重叠区域内的检测结果直接整合到待检测钻石图片上;将位于重叠区域内的检测结果按照整合策略整合到待检测钻石图片上。本发明同构拍摄的钻石图片进行图像预处理,利用vgg16或resnet50或resnet101作为底层网络底层网络,训练内含物检测模型并对测试集进行预测,并通过整合四个切片的检测结果并输出,提高图片检测效果;对照钻石原图整合四个切片的检测结果得到最终的检测结果,能较为精准的检测到钻石内含物的位置和类别。
技术领域
本发明属于钻石检测技术领域,特别是涉及一种钻石内含物的智能检测方法。
背景技术
目标检测,是获得目标物体的类别信息和位置信息的过程。
钻石净度的等级直接决定了钻石的价值,而钻石内含物的类别、位置、多寡则是钻石净度定级的依据。钻石内含物类别主要有羽裂纹、晶状物、云状物、针状物、针尖状、双晶以及其他不常见内含物类型。钻石图片的拍摄质量、拍摄环境、光照变化、光的反射折射等都是钻石内含物的检测面临的主要难题。加之内含物类别繁多以及某些内含物极其微小,因此钻石内含物的检测是一个相当困难的问题。深度学习技术在计算机视觉领域表现优异,在小目标检测方面,特征金字塔网络模型取得了不错的效果。
本发明提供一种钻石内含物的智能检测方法,。
发明内容
本发明的目的在于提供一种钻石内含物的智能检测方法,通过拍摄的钻石图片进行图像预处理,利用resnet101作为特征金字塔网络的底层网络,训练内含物检测模型并对测试集进行预测,并通过整合四个切片的检测结果并输出,提高图片检测效果。
为解决上述技术问题,本发明是通过以下技术方案实现的:
本发明为一种钻石内含物的智能检测方法,包括如下步骤:
步骤一:拍摄若干钻石样本图片,并对钻石样本图片预处理制成训练集;
其中,所述预处理包括对钻石样本图片的去除背景和切片预处理获取四样本切片;所述训练集包括经过预处理形成的若干样本切片;
步骤二:选取底层网络模型并采用训练集训练FPN检测网络模型;
其中,所述FPN检测网络模型采用vgg16或resnet50或resnet101作为底层网络;
步骤三:对待检测钻石图片预处理制成四待检测切片,采用训练完成的FPN检测网络模型对待检测切片进行检测获取与待检测切片对应的检测结果集;
其中,所述检测结果集包括若干检测结果;所述检测结果包括检测框以及内含物类别;所述检测框为包含内含物的矩形坐标区域;
步骤四:将位于非重叠区域内的检测结果直接整合到待检测钻石图片上;其中,四所述待检测钻石图片相互重合的区域为重叠区域;除重叠区域之外的区域为非重叠区域;
步骤五:将位于重叠区域内的检测结果按照整合策略整合到待检测钻石图片上。
优选地,步骤一中所述去除背景包括:通过边缘检测算法检测出钻石样本图片边缘并沿着钻石样本图片边缘向外扩充10个像素获取扩充钻石图片;
步骤一中所述切片预处理包括:
将所述扩充钻石图片再次扩充形成扩充钻石图片的外切正方形图片并将再次扩充部分设置为黑色;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于合肥黎曼信息科技有限公司,未经合肥黎曼信息科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910923863.9/2.html,转载请声明来源钻瓜专利网。
- 上一篇:轨道类型识别方法及装置
- 下一篇:一种基于计算机视觉的水果分类系统