[发明专利]一种用于理化生实验智能考评的器材大小判别方法

权利要求书

1.一种用于理化生实验智能考评的器材大小判别方法，其特征在于，包括如下步骤：

将深度相机进行深度流和RGB流对齐后，将采集的相关实验视频进行标注/推理时取出所要区别大小器材的图片；

将取出图片所对应的深度信息以矩阵形式保存至txt文件中，并将取出图片按照器材大小分类作为标签；

将取出的图片及对应的txt文件数据送入到分类模型中进行训练，并根据损失函数进行模型的迭代优化；

将实验视频中取出的图片送入到分类模型中，模型输出待检测器材的大小结果。

2.如权利要求1所述的用于理化生实验智能考评的器材大小判别方法，其特征在于，所述标签按照器材大小划分为多类。

3.如权利要求1所述的用于理化生实验智能考评的器材大小判别方法，其特征在于，所述分类模型训练步骤为：

将取出的图片以及对应txt文件中保存的深度信息转换为张量，并进行融合，得到一个形状为C*H*W的张量，其中C，H，W分别表示取出图片的通道、高度以及宽度；

将上述张量通过动态权重分配模块进行动态权重分配，动态获取对应原图片张量及深度信息对应张量的权重；

动态权重分配后的张量进入到特征提取网络，并通过Softmax对图片进行分类；

采用损失函数对分类后的结果和对应标签值做损失计算，并根据损失函数进行模型的迭代优化。

4.如权利要求3所述的用于理化生实验智能考评的器材大小判别方法，其特征在于，所述张量中C为4，且所述张量中C包括RGB通道信息和深度信息。

5.如权利要求3所述的用于理化生实验智能考评的器材大小判别方法，其特征在于，所述动态权重分配模块包括CNN卷积层、FC全连接层、Relu激活函数层以及Sigmoid处理层。

6.如权利要求3所述的用于理化生实验智能考评的器材大小判别方法，其特征在于，所述特征提取网络为shuffleNet、MobileNet、Vit transformer、EfficientNet中的一种。

7.如权利要求3所述的用于理化生实验智能考评的器材大小判别方法，其特征在于，所述损失函数采用交叉熵函数。