[发明专利]一种分割网络系统

权利要求书

1.一种分割网络系统，包括网络分割方法和焊点定位方法，其特征在于，所述焊点定位方法包括以下具体过程：输入640*480*1维度的样本，对所述样本进行光照强度，随机裁剪，旋转等增广，测试时不需要增广操作，进行下采样得到80*60*256的广义特征，一分支经过全局特征提取器，得到所述80*60*256的深度信息，另一分支经过一层卷积后得到80*60*256的细节特征，通过深度信息的通道选择融合了细节特征，然后经过上采样，返回融合特征，进行上采样，经过分割检测模块和特征点检测模块，得到检测结果即焊缝数据集，所述网络分割方法包括以下步骤：

步骤一:数据集预处理：

采集所述焊缝数据集，由厂区内部采集，通过对不同场景下的焊缝图片进行数据库建立，然后经过人工标注，筛选得到带标签为焊缝、焊点的具体位置，按8：2比例切分数据得到训练集、测试集，训练集进行光照强度、随机裁剪、随机旋转等变化增广数据；

步骤二:搭建实时分类分割模型，具体为：

整个网络由下采样模块、全局特征提取器、特征融合模块、上采样模块和关键点检测模块5部分组成；

步骤三：实时分类分割模型的损失函数；

步骤四：设计模型的评价指标；

步骤五：高斯关键点生成；

步骤六：学习率和优化器；

步骤七：OpenVino加速推理；

STEP8：测试结果：模型检测结果为焊线检出和焊点检出。

2.根据权利要求1所述的一种分割网络系统，其特征在于，所述下采样模块：该模块由3个卷积层，第一层普通卷积层，对输入图片进行尺度缩减，后两层使用深度可分离卷积提高计算效率，采用步长为2，卷积核3x3，后接BN层和ReLU激活函数，输出1/8尺度。

3.根据权利要求2所述的一种分割网络系统，其特征在于，所述全局特征提取器：和传统2分支结构不同，该网络使用同一下采样输出作为2分支结构的输入，深层的语义特征提取采用3个MobileNet-v2提出的bottleneck residual block构建全局特征提取器，其中，bottleneck residual block中的深度可分离卷积有利于减少全局特征提取器的参数量和计算量，全局特征提取器还包含pyramid pooling module模块即PPM，用于提取不同尺度的上下文特征。

4.根据权利要求1所述的一种分割网络系统，其特征在于，所述特征融合模块：特征融合模块用于融合深层语义信息特征和浅层位置信息的输出特征，使用深层语义信息经过全局池化筛选浅层位置信息特征层，最后深层语义和浅层位置信息融合；

为了使得输入的两分支尺寸一致，对深度分支进行上采样，同时在特征相加阶段进行1x1卷积操作，调整通道一致进行叠加，输出结果使用激活函数进行非线性变换。

5.根据权利要求4所述的一种分割网络系统，其特征在于，所述分割上采样模块：该模块包含2个深度可分离卷积和1个卷积核为1x1的普通卷积用于提高网络性能，输出结果经过softmax操作用于训练时的代价函数的计算，在推理时，则使用argmax代替softmax得到分割结果。

6.根据权利要求1所述的一种分割网络系统，其特征在于，所述关键点模块：为工业场景的焊点定位应用增加了关键点分支，分支由特征融合结果引出，经过两层层卷积整合关键点的特征，同时调整输出通道，在训练过程中，紧跟两层卷积层后的是dropout促进模型的泛化能力，最后通过sigmoid输出，得到关键点位置的分值。