[发明专利]基于YOLO算法的玻璃仪器检测方法、装置及相关设备

说明书

本发明实施例公开了基于YOLO算法的玻璃仪器检测方法、装置及相关设备。该方法包括采用多维度特征提取模块对输入图像进行不同维度的特征提取，得到多维度的原特征图；按低维度特征图与高维度特征图融合的规则对原特征图进行特征融合，得到多维度的特征融合图；通过YOLO算法对特征融合图进行分类预测、位置坐标回归和类别置信度计算，得到分类结果、回归结果和类别置信度，并根据分类结果、回归结果和类别置信度进行损失计算，得到分类损失、回归损失和置信度损失；根据分类损失、回归损失和置信度损失对YOLO算法的模型参数进行更新，得到最优的YOLO算法；将目标检测图像输入YOLO算法进行目标检测，得到检测结果。该方法提高YOLO算法对图像进行玻璃仪器检测的准确度。

技术领域

本发明涉及人工智能领域，尤其涉及一种基于YOLO算法的玻璃仪器检测方法、装置及相关设备。

背景技术

目前对于实验考试大多采用图像检测自动评分，而对于实验中的玻璃仪器检测，多采用目标检测算法。实验使用的玻璃器皿种类多，例如试剂瓶、烧杯、量筒等。由于玻璃仪器透明度高，实验操作过程中手持遮挡严重，使用目前常见的目标检测识别算法对透明目标特征提取能力弱，受环境和光线影响较大，难以准确检测识别。

发明内容

本发明实施例提供了一种基于YOLO算法的玻璃仪器检测方法、装置及相关设备，旨在解决现有技术中YOLO算法对于玻璃仪器的检测准确度较低的问题。

第一方面，本发明实施例提供了一种基于YOLO算法的玻璃仪器检测方法，包括：

采用多维度特征提取模块对输入图像进行不同维度的特征提取，得到多维度的原特征图；

按低维度特征图与高维度特征图融合的规则对所述原特征图进行特征融合，得到多维度的特征融合图；

通过YOLO算法对所述特征融合图进行分类预测、位置坐标回归和类别置信度计算，得到分类结果、回归结果和类别置信度，并根据所述分类结果、回归结果和类别置信度进行损失计算，得到分类损失、回归损失和置信度损失；

根据所述分类损失、回归损失和置信度损失对YOLO算法的模型参数进行更新，得到最优的YOLO算法；

将目标检测图像输入所述YOLO算法进行目标检测，得到检测结果。

第二方面，本发明实施例提供了一种基于YOLO算法的玻璃仪器检测装置，其包括：

特征提取模块，用于采用多维度特征提取模块对输入图像进行不同维度的特征提取，得到多维度的原特征图；

特征融合模块，用于按低维度特征图与高维度特征图融合的规则对所述原特征图进行特征融合，得到多维度的特征融合图；

损失计算模块，用于通过YOLO算法对所述特征融合图进行分类预测、位置坐标回归和类别置信度计算，得到分类结果、回归结果和类别置信度，并根据所述分类结果、回归结果和类别置信度进行损失计算，得到分类损失、回归损失和置信度损失；

参数更新模块，用于根据所述分类损失、回归损失和置信度损失对YOLO算法的模型参数进行更新，得到最优的YOLO算法；

检测模块，用于将目标检测图像输入所述YOLO算法进行目标检测，得到检测结。