[发明专利]一种采用AI技术统计筹码盘库存量的方法

权利要求书

1.一种采用AI技术统计筹码盘库存量的方法，其特征在于，其判断步骤如下：

S1，收集样本：通过预采集，采集不同的种类和面值的筹码样本；

S2，标注样本：对预采集筹码样本、对不同种类和面值的筹码进行标记；

S3，进行AI学习：根据所标注的样本对服务器内的AI图像识别程序进行训练，建立AI数据模型；

S4，判断预备：检测设备通过高清相机获取所需判断的图像信息，以视频流的方式上传到服务器中，服务器接收到摄像头传输的视频流数据后，对视频流数据进行预处理，在完整的图像中筛选出图像中筹码的部分；

S5，AI判断：服务器将预处理得到的出图像中筹码部分的数据与预先训练完成的筹码AI模型进行对比和拟合，然后标注出筹码盘中的所有筹码，并且识别出它们的种类和面值；

S6，结果导出：识别出筹码后，统计出筹码共有多少种类，每种筹码的库存量和价值，进而统计出筹码盘的库存量和库存价值，经过统计得出的结果显示在后台并实时更新，工作人员以此查看每张赌桌上筹码盘的筹码余量，若出现筹码盘出现库存量不足的情况，服务器会向后台发送通知，工作人员可以及时处理。

2.根据权利要求1所述的一种采用AI技术统计筹码盘库存量的方法，其特征在于：所述收集样本中预采集筹码样本的取样范围为筹码的不同面的状态及其在不同情况被部分遮盖后状态。

3.根据权利要求1所述的一种采用AI技术统计筹码盘库存量的方法，其特征在于：所述服务器通过学习好的AI数据模型自动将新采集到的图像进行分析，采用分割算法和MaskRCNN实例分割架构的方法来识别筹码。

4.根据权利要求3所述的一种采用AI技术统计筹码盘库存量的方法，其特征在于：所述Mask R-CNN的主要构建模块包括主干网络和FPN特征金字塔网络；

所述主干网络为ResNet50和ResNet101的卷积神经网络，作为特征提取器；

所述FPN特征金字塔网络通过添加第二个金字塔提升了标准特征提取金字塔的性能，第二个金字塔可以从第一个金字塔选择高级特征并传递到底层上，通过这个过程，它允许每一级的特征都可以和高级、低级特征互相结合。

5.根据权利要求2所述的一种采用AI技术统计筹码盘库存量的方法，其特征在于：所述预采集筹码样本采用了3D建模+随机图片生成的方式，通过获取真实筹码的厚度、半径和颜色属性，利用3Ds MAX生成各种摆放的筹码场景来大大扩充训练集的数量，同时采取了闭环训练系统，即一边生成数据一边训练AI。

6.根据权利要求1所述的一种采用AI技术统计筹码盘库存量的方法，其特征在于：在步骤S3之前，采用了Mosaic，随即拼接，缩放等数据增强技术，进一步的提高了模型的鲁棒性。