[发明专利]基于计算机视觉的矿下钻机钻杆计数方法

权利要求书

1.一种基于计算机视觉的矿下钻机钻杆计数方法，其特征在于，包括以下步骤：

S1、获取钻杆图像数据，将钻杆图像数据划分为两种类型数据，并将两种数据分别作为训练监测器的网络和训练重识别的网络的输入；

S2、对两种数据进行图像增强处理；

S3、将不同比例的高斯白噪声加入每一张清洗的图像中，模拟二氧化硅和粉尘造成的影响；

S4、样本图片读入后被锁定为一个416*416的图像，图像包括三个尺度，分别将图像切割成13*13，26*26，52*52个区域，每一个区域经过Darknet；

S5、对图像中是否含有监测物的候选框以及候选框的中心点、宽、高进行分类和回归任务，并修改分类任务的输出设置成1；

S6、通过训练最小化损失函数，监测网络输出多个检测候选框，采用非极大抑制算法，对候选框进行一次过滤，将含有目标物体的概率值在0.5以下的部分作为错误预测过滤掉；

S7、将在检验框中置信度最大的检验框作为输入框，依次计算输入框与候选检验框中有重叠的检验框的IOU，当计算的IOU值大于设定阈值时，过滤，并重复步骤S7，直至剩余候选边界框为零；

S8、采用图像分类、卡尔曼滤波算法和匈牙利算法对监测到的目标进行跟踪计算。

2.根据权利要求1所述的基于计算机视觉的矿下钻机钻杆计数方法，其特征在于，所述步骤S1的两种类型的数据包括：第一种类型对应标注文件为(c，x，y，w，h)，第二种为(c，id,x,y,w,h)，其中，c为类型，x,y为钻杆候选框的中心位置坐标，w,h分别为钻杆中心候选框的宽和高，id为钻杆的编号。

3.根据权利要求1所述的基于计算机视觉的矿下钻机钻杆计数方法，其特征在于，所述步骤S2中的图像增强处理包括：截取、旋转、对称变换、亮度变换和饱和度变换。

4.根据权利要求1所述的基于计算机视觉的矿下钻机钻杆计数方法，其特征在于，所述候选框中的位置信息的损失为：

其中，λ_coor为坐标误差的权重系数，s²为搜索网格总数，B为检测框种数总和，为存在指数，检测器的搜索网格i中有第j种检测框监测到目标时为1，不含监测目标时为0；w_i，h_i分别为检测目标框的宽度和高度，w_l，h_l分别为标注目标框的宽度和高度，x_i，y_i分别为检测目标框的中心坐标，x_l，y_l分别为标注目标框的中心坐标。

5.根据权利要求1所述的基于计算机视觉的矿下钻机钻杆计数方法，其特征在于，每个区域内候选框中物体的类别的损失为：

其中，λ_cls为分类误差的权重系数，s²代表搜索网格总数，B为检测框种数总和，为存在指数，检测器的搜索网格i中有第j种检测框监测到目标时为1，不含监测目标时为0；p_i(c)为目标是c类物体的概率，为检测目标是c类物体的真实值。

6.根据权利要求1所述的基于计算机视觉的矿下钻机钻杆计数方法，其特征在于，对任意区域内含有待检测目标和不含有待检测目标的概率损失为：

其中，λ_obj,λ_noobj分别是含有物体置信度误差的权重系数和不含物体置信度误差的权重系数，s²为搜索网格总数，B为检测框种数总和，为存在指数，检测器的搜索网格i中有第j种检测框监测到目标时为1，不含监测目标时为0，相反；c_i和分别为置信度的预测值和真实值。