[发明专利]基于数据增广机器视觉的图像检测分割方法、系统、电子设备

权利要求书

1.一种基于数据增广机器视觉的图像检测分割方法，其特征在于，包括如下步骤：

S1、获取砂石料堆图像，制作出砂石料图像原始数据集；

S2、对原始数据集进行预处理，构建训练集、验证集和测试集；

S3、基于数据增广机器视觉算法适配缺失数据以实现模型泛化；

S4、根据步骤S3的泛化模型，基于训练集采用全局卷积网络算法进行迁移学习，实现对数据集砂石料图像的检测与分割，在模型训练的过程中，结合数据集规模、图像扫描迭代周期次数、损失函数收敛曲线因素，进行模型超参数的初步适配；

S5、把初步训练完成的语义分割模型在验证集上进行验证，根据推理精度，进一步调适网络模型超参数；

S6、重复步骤S4-S5，得到优化全局卷积网络语义分割模型，在测试集上推理得到测试集精度；

S7、如果优化全局卷积网络语义分割模型在测试集精度没有达到预设阈值，那么重复步骤S4至步骤S6，直至符合预设阈值条件，进入步骤S8；

S8、从训练集中随机抽取n组图像，采用全局卷积网络语义分割模型抽取图像特征，然后基于近邻成分分析特征选择算法对这n组砂石料图像二维形态特征参数进行关联性计算，找出与混合料三维粒度相关性最高的二维特征参数；

S9、基于步骤S8得到的二维特征参数，表征出混合料的三维粒度公式，通过公式计算得到砂石料图像的三维粒度分布，其中，砂石料图像的三维粒度值是指颗粒度D_M：

其中，代表混合料颗粒等效圆直径，σ代表混合料颗粒等效椭圆短轴，τ代表混合料颗粒最小柱状直径，φ代表混合料颗粒最大内接圆半径；

步骤S3所述基于数据增广机器视觉算法适配缺失数据以实现模型泛化，具体过程如下：

S301、构建砂石料图像增强广数据集：设砂石图像数据集由N位数据工程师标注，每一位工程师标注的数据集称为一个相对独立的集，这N个数据集对应N个不同源集，复合数据集由N个源集组成，分别表示为每个人的标注风格对应不同的标签集；

S302、在复合数据集上，随机抽样样本数据，构建分组数据集

S303、在数据集上，根据狄利克雷分布函数计算,并据此构造数据集其中Dir(α)⁽ⁿ⁾是根据狄利克雷分布函数计算得到的权重，y_n表示数据(y₁,y₂,…,y_N)

其中α是狄利克雷分布参数，x表示样本随机变量，表示全局卷积网络特征提取器，用于对图像数据提取检测分割特征；f^Dir表示数据集中的(x₁,x₂,…,x_N)的一个新组合，y^Dir表示数据集中的(y₁,y₂,…,y_N)的一个新组合，K为超参数，0KN,i＝1,2,…,K；

S304、构建代价函数：

其中表示表示全局卷积网络特征分类器,在数据集和上，根据代价函数进行经典全局卷积网络模型训练；

S305、根据模型训练是否收敛到预设阈值，重复实行步骤S302到步骤S304，直至模型训练收敛达到预期，存储训练模型结果；

S306、输出训练参数到后续全局卷积网络模型输入接口。

2.根据权利要求1所述的图像检测分割方法，其特征在于，步骤S1是通过单目工业相机拍摄获取砂石料堆图像，制作出砂石料图像原始数据集。

3.根据权利要求1所述的图像检测分割方法，其特征在于，步骤S2的数据预处理过程包括：数据标注、裁剪、增广、数据清洗、数据集结构化。