[发明专利]一种三七主根切割轨迹生成方法及系统

说明书

本发明公开了一种三七主根切割轨迹生成方法及系统，方法包括构建三七图像数据集；对构建的深度学习网络模型的雏形进行调整，获得深度学习网络模型；将收集的三七图像数据集制作成训练数据集和验证数据集；使用训练数据集对深度学习网络模型进行训练，筛选出多个候选权重；选出一个最优权重；获得冻结模型；将新获取的待检测的三七图像输入冻结模型以进行检测，获得密集的检测边界框；提取出检测边界框的四个角坐标和中心点坐标，获得散点坐标和一条由中心点连接而成的折线；将散点坐标依次枚举，并依次进行连接，连接时不与上述折线相交，获得连接的封闭轮廓；将封闭轮廓进平滑处理，获得刀路轨迹。本发明能有效生成切除三七非主根部分的轨迹。

技术领域

本发明涉及一种三七主根切割轨迹生成方法及系统，属于人工智能目标检测和计算机视觉领域。

背景技术

在实际工程应用中三七主根的药用成分含量较高，但若再制药时混杂入其他部分(小根、虚根等)，其药效将受到明显影响。如何快速高效的识别出具有较大形态差异的主根并根据主根拟合散点坐标生成切除非主根部分的刀路轨迹对实现全自动化生产具有重大意义。

在传统的目标检测方法中，每个边界框都对应一个完整的检测目标，受限于三七主根形态的多样性，若使用单一边界框作为主根的切割轨迹，并不利于非主根部分有效地切除。

再者，计算机视觉领域中Segnet、FCN、U-Net等深度学习算法虽能精准地将无遮挡部分的主根轮廓从背景中分割出来，但确存在很多问题：首先是像素级的分割所需计算成本较高且速度较慢，导致嵌入工业检测设备的成本大幅提升且效率较低；其次，以过于精确的拟合边缘来生成切割轨迹大幅提高了对机械切割设备的运动性能与计算能力的要求，并不适用于兼顾成本与效率的自动化生产项目。

发明内容

本发明提供了一种三七主根切割轨迹生成方法及系统，以用于通过密集连续标注的方式配合深度学习实现三七检测，并在此基础上快速生成切除三七非主根部分的轨迹。

本发明的技术方案是：一种三七主根切割轨迹生成方法，包括：

构建三七图像数据集；

对构建的深度学习网络模型的雏形进行调整，获得深度学习网络模型；

将收集的三七图像数据集制作成训练数据集和验证数据集；

使用训练数据集对深度学习网络模型进行训练，筛选出多个候选权重；

使用验证数据集分别对候选权重的性能进行评估，选出一个最优权重；

将最优权重载入深度学习网络模型，并用此模型对待检测三七图像进行检测以调整深度学习网络模型的检测超参数，确定最优检测超参数后也将其载入深度学习网络模型，获得冻结模型；

将新获取的待检测的三七图像输入冻结模型以进行检测，获得密集的检测边界框；

提取出检测边界框的四个角坐标和中心点坐标，将检测边界框的所有角坐标进行筛选和排序，而中心坐标则进行排序并依次按顺序连接；获得散点坐标和一条由中心点连接而成的折线；

将散点坐标依次枚举，并依次进行连接，连接时不与上述折线相交，获得连接的封闭轮廓；

将封闭轮廓进平滑处理，获得刀路轨迹。

所述对构建的深度学习网络模型的雏形进行调整，获得深度学习网络模型，包括：利用由浅层网络、多尺度残差单元、多尺度特征融合模块和预测头模块构建深度学习网络模型的雏形；通过消融实验和三七数据集中尺寸数据对模型进行调整，获得深度学习网络模型。

所述通过消融实验和三七数据集中尺寸数据对模型进行调整，获得深度学习网络模型，包括：

步骤2.1、在其他条件相同的情况下通过改变多尺度残差单元中残差模块的数量进而得到多个不同的深度学习网络模型雏形；