[发明专利]基于实例分割的碳刷盒运行检测方法、装置及可读介质

权利要求书

1.一种基于实例分割的碳刷盒运行检测方法，其特征在于，包括以下步骤：

S1，获取碳刷盒运行状态图像，将所述碳刷盒运行状态图像输入目标检测模型，得到感兴趣区域图像；

S2，将所述感兴趣区域图像输入实例分割模型，得到所述感兴趣区域图像中n个碳刷盒分别所对应的分割掩码；

S3，基于所述分割掩码获取每个碳刷盒的最小外接矩形，并确定每个碳刷盒的最小外接矩形的下边缘的中心点；以及

S4，计算所述中心点中的最低点和其它中心点的连线与最低点所在的水平线之间的夹角方差以及计算相邻两个中心点的x轴坐标的n-1阶差值，所述夹角方差通过下式计算：

其中，x_i为所述中心点中的最低点和其余第i个碳刷盒的最小外接矩形的下边缘的中心点的连线与最低点所在的水平线之间的夹角，u为夹角平均值，D_x为夹角方差，通过将相邻两个中心点的x轴坐标相减得到一阶差值，再将相邻两个一阶差值继续相减，重复相减n-1次后得到所述n-1阶差值，结合所述夹角方差和/或n-1阶差值分析所述碳刷盒的运行情况，具体包括：将所述夹角方差和n-1阶差值分别与对应的阈值进行比较，根据比较结果判断所述碳刷盒运行是否正常。

2.根据权利要求1所述的基于实例分割的碳刷盒运行检测方法，其特征在于，所述目标检测模型采用基于YOLOv5的单阶段目标检测模型。

3.根据权利要求1所述的基于实例分割的碳刷盒运行检测方法，其特征在于，所述实例分割模型采用Mask RCNN模型，所述步骤S2具体包括：将所述感兴趣区域图像输入ResNet50_FPN深度神经网络得到深度特征图，将所述深度特征图输入到RPN网络中得到每个碳刷盒的粗定位候选区域，将所述粗定位候选区域与所述深度特征图结合通过ROIAlign获得每个碳刷盒对应的固定尺寸的候选区域，将所述候选区域输入FCN网络，得到每个碳刷盒对应的分割掩码。

4.根据权利要求3所述的基于实例分割的碳刷盒运行检测方法，其特征在于，将所述粗定位候选区域与所述深度特征图结合通过ROIAlign获得每个碳刷盒对应的固定尺寸的候选区域具体包括：通过ROIAlign将所述粗定位候选区域与所述深度特征图进行像素级对应，并采用双线性插值的处理方式生成每个碳刷盒对应的固定尺寸的候选区域。

5.一种基于实例分割的碳刷盒运行检测装置，其特征在于，包括：

目标检测模块，被配置为获取碳刷盒运行状态图像，将所述碳刷盒运行状态图像输入目标检测模型，得到感兴趣区域图像；

实例分割模块，被配置为将所述感兴趣区域图像输入实例分割模型，得到所述感兴趣区域图像中n个碳刷盒分别所对应的分割掩码；

中心点确定模块，被配置为基于所述分割掩码获取每个碳刷盒的最小外接矩形，并确定每个碳刷盒的最小外接矩形的下边缘的中心点；以及

分析判断模块，被配置为计算所述中心点中的最低点和其它中心点的连线与最低点所在的水平线之间的夹角方差以及计算相邻两个中心点的x轴坐标的n-1阶差值，所述夹角方差通过下式计算：

其中，x_i为所述中心点中的最低点和其余第i个碳刷盒的最小外接矩形的下边缘的中心点的连线与最低点所在的水平线之间的夹角，u为夹角平均值，D_x为夹角方差，通过将相邻两个中心点的x轴坐标相减得到一阶差值，再将相邻两个一阶差值继续相减，重复相减n-1次后得到所述n-1阶差值，结合所述夹角方差和/或n-1阶差值分析所述碳刷盒的运行情况，具体包括：将所述夹角方差和n-1阶差值分别与对应的阈值进行比较，根据比较结果判断所述碳刷盒运行是否正常。

6.一种电子设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-4中任一所述的方法。

7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-4中任一所述的方法。