[发明专利]一种网络度检测方法、装置、存储介质及电子设备

权利要求书

1.一种网络度检测方法，其特征在于，包括：

对待测试图像进行图像处理，获得与所述待测试图像对应的若干目标轮廓图像，其中，各所述目标轮廓图像中包含目标纺丝的轮廓；

基于预设的语义分割模型对所述待测试图像进行网络节点特征提取处理，获得与所述待测试图像对应的节点预测图像；

将各所述目标轮廓图像作为掩膜图像，对所述节点预测图像进行检测，得到各所述目标纺丝的网络度检测结果。

2.如权利要求1所述的方法，其特征在于，所述对待测试图像进行图像处理，获得待测试图像中目标纺丝对应的目标轮廓图像，具体包括：

对所述待测试图像进行前置处理，得到前置处理后的第一图像；

对所述第一图像进行阈处理，得到纺丝区域与非纺丝区域分离的第二图像；

对所述第二图像进行膨胀腐蚀处理，得到纺丝轮廓图像；

基于所述纺丝轮廓图像进行轮廓检测，得到待测试图像中目标纺丝对应的目标轮廓图像。

3.如权利要求1所述的方法，其特征在于，在基于预设的语义分割模型对所述待测试图像进行网络节点特征提取处理，获得与所述待测试图像对应的节点预测图像，所述方法还包括：训练获得所述语义分割模型，具体包括：

获取若干历史图像和与各所述历史图像对应的标签图像；

对各所述历史图像和与各所述标签图像进行分组处理，获得包含若干第一历史图像以及与各第一历史图像对应的标签图像的第一数据集；和包含若干第二历史图像以及与各第二历史图像对应的标签图像的第二数据集；

将各所述第一数据集作为训练样本，采用预设的语义分割方法进行模型训练，得到当前语义分割模型和当前模型参数，基于第二数据集对所述当前语义分割模型和当前模型参数进行检测，获得所述语义分割模型。

4.如权利要求3所述的方法，其特征在于，所述将各所述第一数据集作为训练样本，采用预设的语义分割方法进行模型训练，得到当前语义分割模型和当前模型参数，基于第二数据集对所述当前语义分割模型和当前模型参数进行检测，获得所述语义分割模型，具体包括如下步骤：

步骤一：基于各所述第一数据集作为训练样本，采用预设的语义分割方法进行模型训练，得到当前语义分割模型；

步骤二：判断当前模型精度值是否满足预设精度值，在当前模型精度值小于预设精度值时，执行步骤三；在当前模型精度值大于或者等于预设精度值的情况下，重复执行步骤一，获得更新后的当前语义分割模型和更新后的当前模型参数；

步骤三：基于第二数据集对所述当前语义分割模型和当前模型参数进行检测，获得所述语义分割模型。

5.如权利要求3所述的方法，其特征在于，所述获取与各所述历史图像对应的标签图像，具体包括：

对各所述历史图像进行图像标记处理，获取与各所述历史图像对应的标签文件，所述标签文件中包括所述历史图像的节点区域信息和标记类别信息；

基于各所述历史图像对应的所述节点区域信息和所述标签类别信息，对各所述历史图像对应的标签文件进行标签图像制作，获得与各所述历史图像对应的标签图像。

6.如权利要求1所述的方法，其特征在于，所述基于各所述目标轮廓图像作为掩膜图像，对所述节点预测图像进行检测，得到各所述目标纺丝的网络度检测结果，具体包括：

将各所述目标轮廓图像作为掩膜图像，对所述节点预测图像进行检测，提取得到目标纺丝对应的节点图像；

基于所述目标纺丝对应的节点图像，计算获得目标纺丝的网络度，得到所述网络度的检测结果。

7.如权利要求5所述的方法，其特征在于，所述基于所述目标纺丝对应的节点图像，计算获得目标纺丝的网络度，得到所述网络度的检测结果，具体包括：

基于所述目标纺丝对应的节点图像，获得目标纺丝对应的节点数量；

基于所述节点图像的像素点数量和每个像素点对应的实际距离，计算获得所述目标纺丝的实际长度；

基于所述目标纺丝对应的节点数量和所述目标纺丝的实际长度，计算获得所述目标纺丝的网络度，得到所述网络度的检测结果。