[发明专利]一种用于同时检测家具板材边界、圆孔、槽的方法及系统

权利要求书

1.一种用于同时检测家具板材边界、圆孔、槽的方法，其特征在于，包括以下步骤：

构建边界、圆孔、槽的数据集，并对数据集进行预处理，得到修改后的数据集；

基于修改后的数据集对预构建的改进VGG19网络模型进行训练，得到检测模型；

将待测样本输入到检测模型，得到检测结果；

将检测结果标注在原图上。

2.根据权利要求1所述一种用于同时检测家具板材边界、圆孔、槽的方法，其特征在于，所述构建边界、圆孔、槽的数据集，并对数据集进行预处理，得到修改后的数据集这一步骤，其具体包括：

分别获取边界、圆孔、槽的图片并制作其轮廓标签，得到对应的三种数据集，每张图片仅包含一个目标，三种类型的图片的数目相等；

对三种数据集进行标签的加工，得到对应三种加工后的数据集；

将三种加工后的数据集进行数据增强，得到对应三种扩充后的数据集；

将三种扩充后的数据集进行数据集整合，得到修改后的数据集。

3.根据权利要求2所述一种用于同时检测家具板材边界、圆孔、槽的方法，其特征在于，所述对三种数据集进行标签的加工，得到对应三种加工后的数据集这一步骤，其具体包括：

以图片左上角为原点，向下为y轴，向右为x轴做直角坐标系；

针对边界数据集，基于两条边界的边界起点和边界终点，根据欧几里得距离公式计算最近的两个点，结合四个点的相对位置得到边界属于的方向；

针对圆孔数据集，从原始标签中直接提取圆心坐标，通过圆上任意一点坐标和圆心坐标求解得到半径；

针对槽数据集，从原始标签中分别提取两条槽边的起点和终点的坐标，获取到两对起点和终点的坐标，对于每对起点和终点的坐标，将这两个点的横坐标相加后除2，得到关键点信息。

4.根据权利要求3所述一种用于同时检测家具板材边界、圆孔、槽的方法，其特征在于，所述数据增强的方式包括随机水平翻转，随机垂直翻转及双边滤波。

5.根据权利要求4所述一种用于同时检测家具板材边界、圆孔、槽的方法，其特征在于，所述预构建的改进VGG19网络模型包括六个部分、一个输入和三个输出，所述六个部分具体为：

第一部分由两个深度为64，卷积核为3、步长为1的卷积层、一个batchNorm层和一个步长为1的最大池化层组成；

第二部分由两个深度为128，卷积核为3的卷积层、一个batchNorm层、一个步长为1的最大池化层和一个relu激活函数组成；

第三部分由四个深度为256，卷积核为3的卷积层和一个步长为1的最大池化层和一个relu激活函数组成；

第四部分和第五部分均由四个深度为512，卷积核为3的卷积层和一个步长为1的最大池化层和一个relu激活函数组成；

第六部分由两个4096个节点全连接层和一个512个节点的全连接层组成。

6.根据权利要求5所述一种用于同时检测家具板材边界、圆孔、槽的方法，其特征在于，所述预构建的改进VGG19网络模型采用混合损失函数，分别采用权重不同的逻辑回归损失函数、逻辑回归损失函数和平方差损失函数对应三个输出分支。

7.根据权利要求6所述一种用于同时检测家具板材边界、圆孔、槽的方法，其特征在于，所述基于修改后的数据集对预构建的改进VGG19网络模型进行训练，得到检测模型这一步骤，其具体包括：

将修改后得到数据集按预设比例划分为训练集和测试集；

将训练集中的训练图片和标签文件对改进VGG19网络模型进行训练；

根据误差结果调节改进VGG19模型的参数，直到总损失值达到预设阈值以下，得到训练完成的检测模型。