[发明专利]一种面向小批量场景的少样本实例分割零件检测方法及系统

权利要求书

1.一种面向小批量场景的少样本实例分割零件检测方法，其特征在于，包括：

A确定检测区域，固定机位获取待标注对象视频与参考背景图像，并对待标注对象赋予标签；

B将对象视频离散成多张图像，与参考图像输入到基于参考的前景分割模型中，获取目标前景的Alpha蒙版，并结合样本标签生成实例标注，再使用常规实例分割数据增强手段形成零件训练集

C使用零件训练集与人体关键部位训练集D_human训练轻量化Mask R-CNN实例分割模型，获得本批次模型权重Wⁱ；

D通过设计人机共融检测流程对视频输入进行抽帧处理，同时检测固定视角下的人体关键部位与零件，获得零件的实例信息。

2.如权利要求1所述的面向小批量场景的少样本实例分割零件检测方法，其特征在于，所述A中，检测区域由人机共融得到，通过统计在检测平台上不同人的零件放置习惯确定检测区域Ω_det，乘上冗余系数c得到数据采集区域Ω_sample，按照Ω_sample放置旋转装置和待标注对象，并采集视频；同时采集对应的背景图像，给予视频-背景目标类型文本标签。

3.如权利要求1所述的面向小批量场景的少样本实例分割零件检测方法，其特征在于，所述B中，括照一定比例抽取对象视频帧，将视频帧与参考背景输入到改进的BGM v2模型中，得到精细的目标Alpha蒙版，并基于Alpha蒙版得到对象掩膜，生成对应实例分割标注数据，形成该批次零件的原始标注数据，再结合多层常规实例分割数据增强方法生成该批次最终训练数据

4.如权利要求1所述的面向小批量场景的少样本实例分割零件检测方法，其特征在于，所述C中采用的D_human为批次无关数据集，一次构建即可适用于任一批次零件检测；所述采用的Mask R-CNN模型经过模型剪枝等轻量化改造。

5.如权利要求1所述的面向小批量场景的少样本实例分割零件检测方法，其特征在于，所述D中，设计的人机共融检测流程包括：

将零件移动到检测平台内，检测到操作员身体部位；

放下零件，移动开手，检测到零件，检测不到操作员部位，开始记录零件信息；

将零件移开检测平台，检测到操作员部位，停止记录零件信息。

6.如权利要求3所述的面向小批量场景的少样本实例分割零件检测方法，其特征在于，所述BGM v2的改进之处在于：将优化阶段待优化区域选择算法的基于单个误差图像素的选择变成基于局部区域的算法，具体包括：

先将BGM v2基础网络输出的w×h误差图插值到尺寸w'×h'：

然后将误差图划分为M×N个5×5大小的区块，得到集合P＝{p_1,1,...,p_1,N,...,p_M,1,...,p_M,N}，计算每个区块与5×5高斯滤波核的Hadamard积：

使用topk算法提取最大的k个值Y＝topk(X)，将区块p_m,n中心还原到原图坐标系中得到种子点s_i＝(u_m,v_n)，其中:

将种子点作为参考点生成k个8×8待优化区域。

7.一种面向小批量场景的少样本实例分割零件检测系统，包括检测装置及上位机；

检测装置，包括相机、支架系统、检测平台、旋转装置与辅助照明系统，用于采集固定视角下的零件视频-背景信息，并在此固定场景下进行零件检测应用；

上位机，用于分离目标前景，实现小样本实例分割数据的增强、后续实例分割模型的训练与推理。