[发明专利]用于CNC自动测量的模型训练方法、测量方法及系统、设备、介质

权利要求书

1.一种用于CNC自动测量的模型训练方法，其特征在于，所述方法包括：

获取带有标签信息的图像样本，其中，所述图像样本包括CNC件图像，所述标签信息包括所述CNC件图像上对应标注的轮廓信息；

基于所述图像样本训练分割模型；

所述基于所述图像样本训练分割模型，包括：

基于所述CNC件图像进行多层卷积与池化操作，最终得到深层语义特征；

基于所述深层语义特征训练得到所述分割模型；

基于所述CNC件图像进行多层卷积与池化操作，包括：

在得到所述深层语义特征之前还得到多层浅层语义特征，并对多层所述浅层语义特征进行特征处理；

将所述深层语义特征与处理后的所述浅层语义特征进行融合处理，得到融合特征；

基于所述融合特征训练得到所述分割模型；

在得到所述深层语义特征之前还得到多层浅层语义特征，并对多层所述浅层语义特征进行特征处理，包括：

得到第一浅层语义特征与第二浅层语义特征；

基于所述深层语义特征利用插值的方式上采样到所述第二浅层语义特征，得到深层上采样特征；

将所述深层上采样特征与所述第二浅层语义特征按照通道维度进行拼接并进行卷积操作，得到第二浅层新特征；

基于所述第二浅层新特征直至上采样到所述CNC件图像，得到第一CNC件图像特征；

将所述深层语义特征与处理后的所述浅层语义特征进行融合处理，得到融合特征，包括：

分别基于所述第一浅层语义特征与所述第二浅层语义特征进行上采样直至所述CNC件图像，得到第二CNC件图像特征与第三CNC件图像特征；

基于所述第一CNC件图像特征、第二CNC件图像特征与第三CNC件图像特征进行融合处理，得到所述融合特征；

基于所述融合特征训练得到所述分割模型，以所述CNC件图像作为输入，并将所述CNC件图像上对应标注的轮廓信息作为输出结果。

2.一种基于权利要求1所述的训练出的分割模组的CNC自动测量方法，其特征在于，包括：

获取CNC件图像；

将所述CNC件图像输入训练好的所述分割模型中，得到所述CNC件图像上的轮廓信息；

基于所述轮廓信息实现CNC自动测量。

3.一种用于CNC自动测量的模型训练系统，其特征在于，包括：

获取模块，其用于获取带有标签信息的图像样本，其中，所述图像样本包括CNC件图像，所述标签信息包括所述CNC件图像上对应标注的轮廓信息；

训练模块，其用于基于所述图像样本训练分割模型；

所述训练模块包括卷积池化操作单元和训练单元，所述卷积池化操作单元用于基于所述CNC件图像进行多层卷积与池化操作，最终得到深层语义特征；所述训练单元用于基于深层语义特征训练得到分割模型；

所述卷积池化操作单元包括特征处理子单元、特征融合子单元和训练子单元；所述特征处理子单元用于在得到所述深层语义特征之前还得到多层浅层语义特征，并对多层所述浅层语义特征进行特征处理；所述特征融合子单元用于将所述深层语义特征与处理后的所述浅层语义特征进行融合处理，得到融合特征；所述训练子单元用于基于所述融合特征训练得到所述分割模型；

所述特征处理子单元包括第一上采样子单元和拼接子单元，所述上采样子单元用于基于所述深层语义特征利用插值的方式上采样到第二浅层语义特征，得到深层上采样特征；所述拼接子单元用于将所述深层上采样特征与所述第二浅层语义特征按照通道维度进行拼接并进行卷积操作，得到第二浅层新特征；所述第一上采样子单元用于基于所述第二浅层新特征直至上采样到所述CNC件图像，得到第一CNC件图像特征；

所述特征融合子单元包括第二上采样子单元和融合处理子单元，所述第二上采样子单元用于分别基于第一浅层语义特征与第二浅层语义特征进行上采样直至所述CNC件图像，得到第二CNC件图像特征与第三CNC件图像特征；所述融合处理子单元用于基于所述第一CNC件图像特征、第二CNC件图像特征与第三CNC件图像特征进行融合处理，得到所述融合特征。