[发明专利]一种HSK刀柄摆放朝向的检测方法

权利要求书

1.一种HSK刀柄摆放朝向的检测方法，其特征在于，包括以下步骤：

步骤S100：将刀具随机固定在刀具架上，且使刀具上的装刀定向标识朝向便于拍摄的一侧；拍摄每层的刀具，并随机打乱刀具的位置和摆放朝向，重复拍摄刀具，且拍摄图像中清楚显示装刀定向标识，获取多个拍摄图像并作为训练样本；

步骤S200：采用训练样本训练图像识别模型并得到训练后的图像识别模型；

步骤S300：采用训练后的图像识别模型对待测视频画面实时识别刀柄和装刀方向，并判定装刀定向标识的预测区域是否在刀具整体的预测区域内，若装刀定向标识的预测区域在刀具整体的预测区域内，则刀具架上所有的刀具摆放正确，可以执行刀具交换，否则判定刀具架上的刀具摆放错误，报警并停止交换，并反馈摆错的位置。

2.根据权利要求1所述的一种HSK刀柄摆放朝向的检测方法，其特征在于，所述图像识别模型为YOLO v3模型，所述步骤S200包括以下步骤：

步骤S201：对每个训练样本中刀具和装刀定向标识进行标记，生成图像标记位置文件；将所有训练样本的图像标记位置文件按设定比例划分得到训练集与测试集；

步骤S202：利用训练集中每一张图片锚点框左上角点和右下角点的坐标提取（x，y，w，h，class）参数，其中锚点框中心点的坐标为（x，y），目标的宽和高为（w，h），class为类别；利用K-means聚类算法对训练集中目标边框的尺寸进行聚类，获取最佳锚定框的尺寸，预测出目标边框；

步骤S203：计算损失函数，所述损失函数包括置信度损失、分类损失、定位损失；采用随机梯度下降方法，计算YOLO v3模型更新后的权重值、偏置值；进行训练迭代，直至损失函数小于阈值；

步骤S204：利用测试集测试迭代训练后的YOLO v3模型，验证YOLO v3模型的正确率，若达到预定准确率，则保存模型，得到训练后的YOLO v3模型。

3.根据权利要求2所述的一种HSK刀柄摆放朝向的检测方法，其特征在于，所述步骤S201中，对步骤S100采集到的所有训练样本中的刀具整体和装刀定向标识进行标记，并分别标记类别为Tool和Tag，用四个锚点形成一个锚定框，每个图像文件生成一个对应的图像标记位置文件；所述图像标记位置文件中记录了每一张图片锚点框左上角点和右下角点的坐标、标签的名称、图像的大小。

4.根据权利要求3所述的一种HSK刀柄摆放朝向的检测方法，其特征在于，针对装刀定向标识的标记，选择在52*52特征图上，且锚点框为(10x13)，(16x30)，(33x23)，检测目标；针对刀具整体的标记，选择在13*13特征图上，且锚点框为(116x90)，(156x198)，(373x326)，检测目标。

5.根据权利要求2所述的一种HSK刀柄摆放朝向的检测方法，其特征在于，所述步骤S202中，将测试集的图片划分成等大的若干个单元格，每一个单元格上为每一个边框预测4个值，记为（t_x，t_y，t_w，t_h）；若目标中心在单元格中相对图像左上角有偏移（C_x，C_y），并且锚点框具有宽度和高度（P_w，P_h），则修正后的边界框（b_x，b_y，b_w，b_h）为：

其中：σ（）为激活函数。

6.根据权利要求5所述的一种HSK刀柄摆放朝向的检测方法，其特征在于，所述步骤S202中，K-means聚类算法的距离度量为：

其中，box是指数据集中边框尺寸样本，

centroid指类簇中心尺寸，

IOU是测量在特定数据集中监测相应物体准确度的标准。