[发明专利]一种弹簧片的数量的检测方法及设备

权利要求书

1.一种弹簧片的数量的检测方法，其特征在于，所述方法包括：

对获取的弹簧片图像进行语义分割处理，得到所述弹簧片图像对应的弹簧片区域图像；

对所述弹簧片区域图像进行实例分割处理，得到所述弹簧片图像中的每个弹簧片的第一候选位置，同时对所述弹簧片区域图像进行图像处理，得到所述弹簧片图像中的每个弹簧片的第二候选位置；

将所述弹簧片图像中的每个所述弹簧片的所述第一侯选位置和所述第二候选位置进行匹配，得到所述弹簧片图像中匹配到的弹簧片的数量。

2.根据权利要求1所述的方法，其特征在于，所述将所述弹簧片图像中的每个所述弹簧片的所述第一侯选位置和所述第二候选位置进行匹配，得到所述弹簧片图像中匹配到的弹簧片的数量，包括：

分别将每个所述弹簧片的所述第一侯选位置和所述第二候选位置进行匹配，得到每个所述弹簧片的位置匹配度；

基于每个所述弹簧片的所述位置匹配度确定所述弹簧片图像中匹配到的弹簧片的数量。

3.根据权利要求2所述的方法，其特征在于，所述基于每个所述弹簧片的所述位置匹配度确定所述弹簧片图像中匹配到的弹簧片的数量，包括：

分别判断每个所述弹簧片的所述位置匹配度是否大于预设的位置匹配度阈值，

若是，则将所述弹簧片确定为所述弹簧片图像中匹配到的弹簧片，并统计所述弹簧片图像中匹配到的弹簧片的数量；

若否，则确定所述弹簧片在所述弹簧片图像中匹配不到对应的弹簧片。

4.根据权利要求1所述的方法，其特征在于，所述对获取的弹簧片图像进行语义分割处理，得到所述弹簧片图像对应的弹簧片区域图像，包括：

获取基于深度学习的语义分割模型；

基于所述基于深度学习的语义分割模型，对获取的所述弹簧片图像进行语义分割处理，得到所述弹簧片图像对应的弹簧片区域图像。

5.根据权利要求4所述的方法，其特征在于，所述获取基于深度学习的语义分割模型，包括：

获取至少一幅弹簧片训练图像；

分别对每幅所述弹簧片训练图像中的弹簧片区域的最外边缘进行逐像素标注，对应得到所述弹簧片区域的标签图；

分别将每幅所述弹簧片训练图像及其中的弹簧片区域的标签图作为一组第一训练样本，得到语义分割训练集，其中，所述语义分割训练集包括至少一组所述第一训练样本；

采用语义分割网络和所述语义分割网络对应的参数相关信息，对所述语义分割数据集进行训练，得到所述基于深度学习的语义分割模型，

其中，所述基于深度学习的语义分割模型中包含有两个类别，分别为弹簧片和背景。

6.根据权利要求1所述的方法，其特征在于，所述对所述弹簧片区域图像进行实例分割处理，得到所述弹簧片图像中的每个弹簧片的第一候选位置，同时对所述弹簧片区域图像进行图像处理，得到所述弹簧片图像中的每个弹簧片的第二候选位置，包括：

获取基于深度学习的实例分割模型，并基于所述深度学习的实例分割模型，对所述弹簧片区域图像进行实例分割处理，得到所述弹簧片图像中的每个弹簧片的第一候选位置；

同时，对所述弹簧片区域图像依序进行灰度化、直方图均衡化、滤波操作、二值化、直线检测及查找轮廓处理，得到所述弹簧片图像中的每个弹簧片的第二候选位置。

7.根据权利要求6所述的方法，其特征在于，所述获取基于深度学习的实例分割模型，并基于所述深度学习的实例分割模型，对所述弹簧片区域图像进行实例分割处理，得到所述弹簧片图像中的每个弹簧片的第一候选位置中的获取基于深度学习的实例分割模型，包括：

获取至少一幅弹簧片区域训练图像；

分别对每幅所述弹簧片区域训练图像进行实例标注，得到每幅所述弹簧片区域训练图像对应的实例标签并进行存储；

分别将每幅所述弹簧片区域训练图像及其对应的所述实例标签作为一组第二训练样本，得到实例分割数据集，其中，所述实例分割数据集包括至少一组所述第二训练样本；

采用实例分割模型Mask RCNN对所述实例分割数据集进行训练，得到所述基于深度学习的实例分割模型。