[发明专利]一种堆叠千克组砝码识别与关键部位分割方法

说明书

本发明公开了一种堆叠千克组砝码识别与关键部位分割方法，包括：确定千克组砝码特征及关键部位；对收集到的堆叠千克组砝码数据集进行标注；使用图像增强算法对标记数据进行图像增强、数据增强处理；使用ResNet+FPN网络作为堆叠千克组砝码及其关键部位的特征提取器；对堆叠千克组砝码关键部位进行分割以及对堆叠千克组砝码中千克组砝码实例进行识别、定位；使用增强过的堆叠千克组砝码数据对网络进行训练，目标函数为图像的交叉熵损失函数，用梯度下降法求解损失函数取，取到全局最小值或局部最小值时得到对应的模型参数，完成神经网络模型建立。本发明可快速精准地识别、分割堆叠千克组砝码及其关键部位，可适用于部分遮挡的低对比度物体识别与分割。

技术领域

本发明涉及机器学习实例分割技术领域，尤其涉及一种堆叠千克组砝码识别与关键部位分割方法。

背景技术

堆叠砝码与砝码之间、砝码抓手的识别是典型的遮挡对象低对比度低饱和度图像检测问题。低对比度图像具有邻近像素的空间相关性高、灰度变化不明显的特点，图像中的目标、细节、特征等信息都包含在一个较窄的灰度范围内而难以区分，从而给目标的识别与分割带来困难。传统的目标识别方法多基于对轮廓片段等局部特征的模板匹配，记录匹配得分的情况实现对遮挡目标的识别。基于模板匹配的传统识别方法对遮挡物体的识别需要在特定的条件下才可以较准确的识别，在面对低对比度低饱和度遮挡物体时准确率不佳、定位误差较大。本发明提出的一种堆叠千克组砝码识别与关键部位分割方法，这个算法利用了目前先进的深度神经网络，具有很好的图像理解能力，再加上合理的图像增强及数据增强，解决了识别堆叠千克组砝码的问题。

发明内容

为解决上述技术问题，本发明的目的是提供一种堆叠千克组砝码识别与关键部位分割方法。

本发明的目的通过以下的技术方案来实现：

一种堆叠千克组砝码识别与关键部位分割方法，包括：

A确定千克组砝码特征及关键部位；

B对收集到的堆叠千克组砝码数据集进行标注；

C使用图像增强算法对标记数据进行图像增强、数据增强处理；

D使用ResNet+FPN网络作为堆叠千克组砝码及其关键部位的特征提取器；

E对堆叠千克组砝码关键部位进行分割以及对堆叠千克组砝码中千克组砝码实例进行识别、定位；

F使用增强过的堆叠千克组砝码数据对网络进行训练，目标函数为图像的交叉熵损失函数，用梯度下降法求解损失函数取，取到全局最小值或局部最小值时得到对应的模型参数，完成神经网络模型建立。

与现有技术相比，本发明的一个或多个实施例可以具有如下优点：

可以快速精准地识别、分割堆叠千克组砝码及其关键部位，可适用于部分遮挡的低对比度物体识别与分割。为千克组砝码智能化检定过程的自动化抓取扫除了识别的技术障碍，为复杂环境下堆叠物体识别分割提供了相关技术。

附图说明

图1是堆叠千克组砝码识别与关键部位分割方法流程框图；

图2是改进Mask R-CNN网络的基础结构图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合实施例及附图对本发明作进一步详细的描述。