[发明专利]一种图片曲线相对数值坐标自动提取方法

权利要求书

1.一种图片曲线相对数值坐标自动提取方法，其特征在于，包括以下步骤：

步骤S1、随机生成一系列的曲线数据点，将上述曲线数据点绘制成曲线图，对曲线图按照标注框与曲线轮廓相切的方式标注曲线范围的精确位置，得到曲线标注框位置，结合曲线图和曲线标注框位置，构建神经网络模型一的标注数据集；

步骤S2、取出曲线标注框框选区域内的图像，并将图像缩放到一定的尺寸，得到标准化图片；

步骤S3、将标准化图片对应的曲线数据点进行非线性插值计算，将标准化图片对应的曲线数据点的个数扩展到与神经网络模型二输出值相同的数量，并在[0,1]区间内进行标准化，得到训练神经网络模型二所需的标签值；

步骤S4、结合标准化图片和训练神经网络模型二所需的标签值构建神经网络模型二的标注数据集；

步骤S5、采用开源的目标检测算法，基于前述神经网络模型一的标注数据集进行曲线范围检测模型的训练，得到训练好的神经网络模型一；

步骤S6、基于前述神经网络模型二的标注数据集进行曲线相对坐标预测模型的训练，得到训练好的神经网络模型二。

2.如权利要求1所述的图片曲线相对数值坐标自动提取方法，其特征在于，所述神经网络模型二的结构中C1、C2和C3是卷积层，R1、R2和R3是RELU层，P1、P2和P3是Pooling层，D1、D2是Dropout层，FC1、FC2是全联接层；输出层中共有n个输出值，n个输出值为神经网络对当前样本的预测结果。

3.如权利要求2所述的图片曲线相对数值坐标自动提取方法，其特征在于，所述n为步骤S2中标准化图片横轴方向的像素点个数。

4.如权利要求1所述的图片曲线相对数值坐标自动提取方法，其特征在于，将待检测图片输入到训练好的神经网络模型一，并将输出的标准化图片输入到训练好的神经网络模型二，得到原始曲线相对坐标的预测值。