[发明专利]物料分类方法、装置、电子设备和存储介质

说明书

本发明实施例提供一种物料分类方法、装置、电子设备和存储介质，其中方法包括：将待分类物料图像输入至单物料分割模型，得到单物料分割模型输出的待分类物料图像中每一像素的语义分割结果和物料归属向量；基于待分类物料图像中每一像素的语义分割结果和物料归属向量，对待分类物料图像中每一像素进行聚类，得到若干个单物料掩膜；将每一单物料掩膜在待分类物料图像中的单物料图像输入至物料分类模型，得到物料分类模型输出的物料分类结果。本发明实施例提供的方法、装置、电子设备和存储介质，提高了包括重叠物料在内的分割准确性，也同时提高了物料分类的准确性。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种物料分类方法、装置、电子设备和存储介质。

背景技术

随着产品生产流程的机械化，生产力得到了极大提高。在产品生产的过程中，流水线上流转的物料的品控会影响产品最终的质量，因此需要对物料进行分类，剔除不满足要求的物料。

目前，物料分类主要有两种方式，包括人工分类方式，以及利用传感器获取物料的重量信息，从而筛选出不合格物料的方式。然而，人工分类过程繁杂，耗时长，因此实时性不足；利用传感器进行物料分类的方式，无法筛选出仅表面出现形态改变的不合格物料，且会由于物料之间存在重叠问题，导致准确性欠佳。

发明内容

本发明实施例提供一种物料分类方法、装置、电子设备和存储介质，用以解决现有物料分类方法准确性欠佳的问题。

第一方面，本发明实施例提供一种物料分类方法，包括：

将待分类物料图像输入至单物料分割模型，得到所述单物料分割模型输出的所述待分类物料图像中每一像素的语义分割结果和物料归属向量；

基于所述待分类物料图像中每一像素的语义分割结果和物料归属向量，对所述待分类物料图像中每一像素进行聚类，得到若干个单物料掩膜；

将每一单物料掩膜在所述待分类物料图像中的单物料图像输入至物料分类模型，得到所述物料分类模型输出的物料分类结果；

其中，所述单物料分割模型是基于样本物料图像，以及所述样本物料图像中每一单物料对应的样本单物料掩膜训练得到的；

所述物料分类模型是基于样本单物料图像及其对应的样本物料分类结果训练得到的。

可选地，所述将待分类物料图像输入至单物料分割模型，得到所述单物料分割模型输出的所述待分类物料图像中每一像素的语义分割结果和物料归属向量，具体包括：

将所述待分类物料图像输入至所述单物料分割模型的多尺度特征提取层，得到所述多尺度特征提取层输出的图像特征向量；

将所述图像特征向量输入至所述单物料分割模型的语义分类层，得到所述语义分类层输出的所述待分类物料图像中每一像素的语义分类结果；

将所述图像特征向量输入至所述单物料分割模型的物料归属向量表示层，得到所述物料归属向量表示层输出的所述待分类物料图像中每一像素的物料归属向量。

可选地，所述单物料分割模型的损失函数包括语义分割损失函数和物料归属向量表示损失函数；

其中，所述语义分割损失函数是基于样本物料图像中每一像素的语义分割结果，以及每一像素的样本语义分割结果确定的；所述样本语义分割结果是基于所述样本物料图像中每一单物料对应的样本单物料掩膜确定的；所述物料归属向量表示损失函数是基于样本物料图像中属于同一单物料的像素的物料归属向量间的距离，以及属于不同单物料的像素的物料归属向量间的距离确定的。

可选地，所述将每一单物料掩膜在所述待分类物料图像中的单物料图像输入至物料分类模型，得到所述物料分类模型输出的物料分类结果，具体包括：