[发明专利]一种手术室环境下手术器械实例分割模型训练及优化方法

权利要求书

1.一种手术室环境下手术器械实例分割模型训练及优化方法，其特征在于，包括以下步骤：

S1、手术器械数据采集与标注：对手术器械进行拍照采集数据，并根据要求对所拍摄的照片进行标签标注；

S2、标签数据转化：将S1中标注完成的标签数据进行转化，转化为可以直接输入实例分割模型的数据类型；

S3、实例分割模型训练：根据实例分割模型的结构特点对图像数据进行预处理，然后输入模型中进行模型训练，使模型可以根据图像数据学习特征，实现手术器械清点；

S4、实例分割模型优化：对原始实例分割模型进行结构调整，在模型在精度变化不大的情况下对其进行模型压缩，使压缩后的模型的参数量减少，提高模型检测清点速度。

2.根据权利要求1所述的一种手术室环境下手术器械实例分割模型训练及优化方法，其特征在于，所述S1进行拍照数据采集时，将所有待检测的手术器械分别按照同类型器械紧靠摆放、同类型器械交叉摆放，不同类型紧靠摆放，不同类型器械交叉摆放、所有器件交叉紧靠混合摆放五种摆放方式依次摆放，用于模拟实际应用中各种复杂情况，确保图像信息采集的丰富性和平衡性。

3.根据权利要求1所述的一种手术室环境下手术器械实例分割模型训练及优化方法，其特征在于，所述S1中提到的照片标签标注工作，具体包括以下步骤：

A1、将采集过图像数据的手术器械设定标签名；

A2、将所有采集到的手术器械图片输入到图像标注软件中；

A3、利用标注软件将每一张图像中的所有手术器械使用多边形工具描绘出器械轮廓，在所得的多边形轮廓旁标注上满足实例分割模型训练所需的信息，并标记上所对应的标签名；

A4、完成标记后，将相对应的标签名、图片名和多边形轮廓位置信息均保存在JSON类型文件中。

4.根据权利要求1所述的一种手术室环境下手术器械实例分割模型训练及优化方法，其特征在于，所述S2中提到的标签数据转化，具体包括以下步骤：

B1、将不同摆放方式的图像数据转换成一份图像数据，分别遍历打开所有JSON文件，将所有标签名数据和多边形轮廓位置数据提取保存到一份新的JSON文件，并按JSON文件中的图片名检索指定图片，然后将该图片按遍历顺序重命名，保存到一个新的文件夹中，转换结束，得到一份包含所有图像数据的JSON文件和图片文件；

B2、将总的JSON文件装换为实例分割模型所需求的COCO格式，打开JSON文件，遍历其中的所有信息，提取出指定的信息，并对信息字典名改名，按照要求排序，并生成总的图片序列名和标签序列名，依次写入新的JSON文件中，然后打乱图片序列名，将所有图片按照一定比例划分为训练集，验证集和测试集，每个数据集中都包含一份图片数据和JSON数据。