[发明专利]基于计算机视觉的舌裂纹形状识别方法及识别系统

权利要求书

1.一种基于计算机视觉的舌裂纹形状识别方法，其特征在于，包括以下步骤：

步骤1，舌裂纹的检测和标注；

检测舌裂纹，对输入舌图中的裂纹进行初步特征提取，获取并标注局部裂纹的边界框，得到无标注局部裂纹图；

步骤2，舌裂纹的形状识别和标注；

步骤2.1，对所述无标注局部裂纹图进行人工标注，标注出裂纹的形状类别信息，并将标注后的局部裂纹图随机划分为形状识别训练集和形状识别验证集；

步骤2.2，搭建基于深度学习的裂纹形状分类训练模型；

步骤2.3，对所述裂纹形状分类训练模型进行模型训练，得到训练完成的裂纹形状分类模型；

步骤2.4，利用训练完成的裂纹形状分类模型对无标注局部裂纹图进行预测，得到最终的裂纹形状类别。

2.根据权利要求1所述的基于计算机视觉的舌裂纹形状识别方法，其特征在于，所述步骤1包括以下步骤：

步骤1.1，通过舌图采集设备采集不少于N万张原始舌图，采用人工标注的方式在原始舌图上标注出裂纹的边界框信息，该裂纹为原始裂纹；将标注有原始裂纹边界框信息的标注舌图文件进行保存；将标注舌图随机划分为裂纹检测训练集和裂纹检测验证集；再采集不少于M万张无标注的原始舌图；其中，M＞N；

步骤1.2，搭建基于深度学习的裂纹检测训练模型；

步骤1.3，对所述裂纹检测训练模型进行模型训练，得到训练完成的裂纹检测模型；

所述步骤1.3的模型训练包括以下步骤：

步骤1.3.1，利用所述步骤1.1所得的裂纹检测训练集，对所述步骤1.2搭建的基于深度学习的裂纹检测训练模型进行训练，并利用步骤1.1所得的裂纹检测验证集进行验证，得到检测模型；

步骤1.3.2，利用所述步骤1.3.1所得到的检测模型，对所述M万张无标注的原始舌图中的每一张进行预测，将预测出的舌裂纹边界框按照概率值进行排序，取概率值大于0.9±0.05的裂纹边界框，删除概率值小于0.9±0.05的边界框，得到预测文件并与所述步骤1.1所得的裂纹检测训练集进行合并，得到新的裂纹检测训练集；

步骤1.3.3，利用所述步骤1.3.2所得的新的裂纹检测训练集，对所述步骤1.3.1所得的检测模型再次进行训练，并利用步骤1.1所得的裂纹检测验证集进行验证，得到训练完成的裂纹检测模型；

步骤1.4，利用训练完成的裂纹检测模型，检测局部裂纹边界框；

步骤1.5，根据步骤1.4所检测的局部裂纹边界框，对M万张无标注的原始舌图进行剪裁，剪裁出局部裂纹图，得到所述无标注局部裂纹图。

3.根据权利要求2所述的基于计算机视觉的舌裂纹形状识别方法，其特征在于，所述步骤1.3.1和/或所述步骤1.3.3的训练过程中采用ciouloss作为裂纹边界框回归损失函数；所述ciou裂纹边界框回归损失函数的公式为：

其中，ρ(.)表示欧式距离，

b表示预测框B的中心点，

b^gt表示真实框B^gt的中心点，

c表示预测框B和真实框B^gt的最小外接矩形的对角线距离，

α是用于平衡损失函数的参数，

ν是用来衡量长宽比一致性的参数。

4.根据权利要求3所述的基于计算机视觉的舌裂纹形状识别方法，其特征在于，所述步骤1.3.1中的参数α为：

其中，IoU表示任意两个裂纹边界框B1、B2的重叠程度，

所述步骤1.3.1中的参数ν为：

其中，w^gt表示真实标注的裂纹边界框的宽度，

h^gt表示真实标注的裂纹边界框的高度，

w表示预测的裂纹边界框的宽度，

h表示预测的裂纹边界框的高度。