[发明专利]一种基于卷积神经网络的高尔夫球缺陷检测方法

权利要求书

1.一种基于神经网络的高尔夫球缺陷检测方法，其特征在于，所述的方法包括以下步骤：

S1搭建高尔夫球缺陷检测平台；

S2进行数据采集并对采集数据进行预处理；

S3构建缺陷检测网络模型；

S4训练神经网络模型；

S5评估高尔夫球缺陷检测结果。

2.根据权利要求1所述的一种基于神经网络的高尔夫球缺陷检测方法，其特征在于，所述步骤S2包括以下步骤：

S21数据采集，通过上述S1所述平台获取大量高尔球图像并从以往人工检测出的有缺陷高尔夫球中随机抽取部分作为本发明所使用的数据集；

S22数据筛选，剔除步骤S21所采集数据中的低质量图像；

S23数据增强，使用标签扩增方法解决类分布不平衡问题，并使用半监督数据增强方法扩充数据集，有效防止过度拟合并提高模型的推理能力。

S24图像标注，对经过上述步骤S23的数据集进行人工标注，得到图像数据集对应的标签数据集；

S25图像归一化，使用离差标准化，将图像像素值缩放至[0，1]区间内，令神经网络训练更快、更准确。

S26数据分类，在数据集中随机选出70％数据作为训练集，剩余数据按照1：1分为验证集和测试集。

3.根据权利要求2所述的步骤S23，其特征在于，使用标签扩增方法解决类分布不平衡问题。

4.根据权利要求3所述标签扩增方法，其具体步骤如下：

S231输入k类目标样本{C₁，C₂，…，C_k}，每类样本数量{N₁，N₂，…，N_k}；

S232寻找样本数量最多的类C_m，其样本次序为P_m0＝{1，2，...，P_Nm}；

S233随机化C_m中样本次序，得到序列P_m-rand＝{p₁，p₂，...，p_Nm}；

S234对于其他任意类C_i，其原始次序P_i0＝{1，2，...，N_i}，使用扩充序列为P_i-LD＝{p₁mod N_i，p₂ mod N_i，...，p_Nm mod N_i}扩充C_i。

5.根据权利要求2所述的步骤S23，其特征在于，使用半监督数据增强方法扩充数据集，有效防止过度拟合并提高模型的推理能力。

6.根据权利要求5所述的半监督数据增强方法，其具体步骤如下：

S235通过用标签扩增后的数据集训练GoogLeNet网络获得粗分类器；

S236利用掩模操作在网络的最上层卷积层生成特征响应强度图；

S237在强度I＜0.4的区域周围随机选择一个位置，映射到原始图像并作为裁剪中心；

S238对每个样本进行三次步骤S237所述裁剪操作。

7.根据权利要求1所述步骤S3，其特征在于，包括构建分割网络和构建决策网络。

8.根据权利要求7所述分割网络，其特征在于，对输入图像进行语义分割，检测缺陷具体位置。

9.根据权利要求7所述分割决策网络，其特征在于，以分割网络输出作为输入，对高尔夫球缺陷进行分类。