[发明专利]一种冰晶图片的自动分割方法

权利要求书

1.一种冰晶图片的自动分割方法，其特征在于，具体步骤如下：

步骤1，将原始数据集中的小样本类数据进行数据增强处理，使得冰晶数据集整体类别较为平衡；

步骤2，对所有冰晶图片进行标注；

步骤3，拿分好的训练集放入预训练的深度学习模型中进行参数调整，得到最佳权重；

步骤4，用迁移学习得到的新模型在测试集上进行冰晶分割，查看分割效果，实现冰晶图片的自动分割；

步骤1所述进行数据增强处理，具体为：

步骤11，采用几何变换方法，包括翻转、旋转和缩放；

步骤12，采用颜色扰动的数据增强，即在某一个颜色空间通过增加或减少某些颜色分量，或者更改颜色通道的顺序，包括增强对比度、增强亮度、增强饱和度和随机颜色法；

步骤13，采用基于噪声的数据增强方法，包括高斯噪声、椒盐噪声、均值滤波和中值滤波后的高斯噪声处理；对于高斯噪声：设定参数后产生一个高斯随机数，根据输入像素计算出输出像素，重新将像素值限制或放缩在[0 ~ 255]之间，循环所有像素，最后输出图像；

步骤2中所述对所有冰晶图片进行标注，具体为：

步骤21，使用Labelme数据标注工具进行标签注释，将背景设为RGB[0,0,0]，冰晶实体设为RGB[1,1,1]；

步骤22，编写python脚本，批量化将已标注的数据集分成原始图片和标注图片两个文件夹；

步骤3中所述进行参数调整，具体为：

步骤31，选择在语义分割任务中表现较好的四种深度学习模型SegNet、PspNet、U-net和DeeplabV3+，使用轻量且高效的MobileV2网络作为特征提取器，搭建冰晶分割的网络模型；

步骤32，将冰晶分割数据集分为训练集和测试集两部分，训练集放入构建好的四个网络模型中进行训练，同时将10%作为验证集，基于迁移学习的方法定义原始权重，之后再通过验证集交叉熵值选择最佳权重并保存；

步骤4中所述测试集上进行冰晶分割，具体为：

步骤41，利用训练出来的最佳权重对测试集进行预测；

步骤42，计算语义分割结果评估指标PA、MPA、MIoU、FWIoU和F1score，评估冰晶分割结果。