【技术实现步骤摘要】
基于分类权重的混凝土养护箱的清洁效果的检测方法
本申请涉及人工智能领域,且更为具体地,涉及一种基于分类权重的混凝土养护箱的清洁效果的检测方法、基于分类权重的混凝土养护箱的清洁效果的检测系统和电子设备。
技术介绍
混凝土养护箱,一般都是将混凝土试块放置在箱体中,用于对试块进行实验。现有的混凝土养护箱在对试块完成实验后,都需要对混凝土养护箱进行清洁,尤其是对混凝土养护箱内腔中的用于放置混凝土试块的支撑架表面进行清洁,否则将影响后续的实验结果。目前的混凝土养护箱的清洁效果基本上需要靠人工观察,而由于混凝土养护箱的体积较大、深度较深且没有良好的光源,导致人工观察效果不佳。因此,期望一种用于混凝土养护箱的清洁效果检测的技术方案。目前,深度学习以及神经网络已经广泛应用于计算机视觉、自然语言处理、文本信号处理等领域。此外,深度学习以及神经网络在图像分类、物体检测、语义分割、文本翻译等领域,也展现出了接近甚至超越人类的水平。近年来,深度学习以及神经网络的发展为混凝土养护箱的清洁效果检测提供了新的解决思路和方案。
技术实现思路
为了解决上述技术问题,提出了本申请。本申请的实施例提供了一种基于分类权重的混凝土养护箱的清洁效果的检测方法、基于分类权重的混凝土养护箱的清洁效果的检测系统和电子设备,其基于深度学习的计算机视觉技术来对混凝土养护箱的内壁和支撑架表面的图像进行特征提取和分类,来检测混凝土养护箱的内壁和支撑架表面的清洁效果。根据本申请的一个方面,提供了一种基于分类权重的混凝 ...
【技术保护点】
1.一种基于分类权重的混凝土养护箱的清洁效果的检测方法,其特征在于,包括:/n获取待检测混凝土养护箱的图像,所述待检测混凝土养护箱图像包含所述待检测混凝土养护箱的内壁部分和支撑架表面部分;/n将所述待检测混凝土养护箱图像通过卷积神经网络以获得特征图;/n将所述特征图分别通过第一注意力机制模块和第二注意力机制模块,以获得第一注意力特征图和第二注意力特征图;/n将所述第一注意力特征图通过Softmax函数以计算所述第一注意力特征图中每个位置的分类权重,以获得第一分类权重得分图;/n将所述第二注意力特征图通过Softmax函数以计算所述第二注意力特征图中每个位置的分类权重,以获得第二分类权重得分图;/n将所述第一分类权重得分图与所述第一注意力特征图进行按像素位置点乘,以获得第一分类权重特征图;/n将所述第二分类权重得分图与所述第二注意力特征图进行按像素位置点乘,以获得第二分类权重特征图;/n融合所述第一分类权重特征图与所述第二分类权重特征图,以获得分类特征图;以及/n将所述分类特征图通过分类器,以获得分类结果,所述分类结果用于表示所述待检测混凝土养护箱的内壁和支撑架表面的清洁效果是否合格。/ ...
【技术特征摘要】
1.一种基于分类权重的混凝土养护箱的清洁效果的检测方法,其特征在于,包括:
获取待检测混凝土养护箱的图像,所述待检测混凝土养护箱图像包含所述待检测混凝土养护箱的内壁部分和支撑架表面部分;
将所述待检测混凝土养护箱图像通过卷积神经网络以获得特征图;
将所述特征图分别通过第一注意力机制模块和第二注意力机制模块,以获得第一注意力特征图和第二注意力特征图;
将所述第一注意力特征图通过Softmax函数以计算所述第一注意力特征图中每个位置的分类权重,以获得第一分类权重得分图;
将所述第二注意力特征图通过Softmax函数以计算所述第二注意力特征图中每个位置的分类权重,以获得第二分类权重得分图;
将所述第一分类权重得分图与所述第一注意力特征图进行按像素位置点乘,以获得第一分类权重特征图;
将所述第二分类权重得分图与所述第二注意力特征图进行按像素位置点乘,以获得第二分类权重特征图;
融合所述第一分类权重特征图与所述第二分类权重特征图,以获得分类特征图;以及
将所述分类特征图通过分类器,以获得分类结果,所述分类结果用于表示所述待检测混凝土养护箱的内壁和支撑架表面的清洁效果是否合格。
2.根据权利要求1所述的基于分类权重的混凝土养护箱的清洁效果的检测方法,其中,将所述特征图分别通过第一注意力机制模块和第二注意力机制模块,以获得第一注意力特征图和第二注意力特征图,包括:
将所述第一特征图通过多个第一卷积层以获得第一卷积特征图;
将所述第一卷积特征图与所述第一特征图进行按像素位置点乘,以获得所述第一注意力特征图;
将所述第二特征图通过多个第二卷积层以获得第二卷积特征图;以及
将所述第二卷积特征图与所述第二特征图进行按像素位置点乘,以获得所述第二注意力特征图。
3.根据权利要求1所述的基于分类权重的混凝土养护箱的清洁效果的检测方法,
其中,将所述第一注意力特征图通过Softmax函数以计算所述第一注意力特征图中每个位置的分类权重,以获得第一分类权重得分图,包括:
以如下公式计算所述第一注意力特征图中每个位置的分类权重,以获得第一分类权重得分图,所述公式为:分类权重=exp(Ai)/∑exp(Ai),Ai是所述第一注意力特征图中每个像素位置的特征值;
其中,将所述第二注意力特征图通过Softmax函数以计算所述第二注意力特征图中每个位置的分类权重,以获得第二分类权重得分图,包括:
以如下公式计算所述第二注意力特征图中每个位置的分类权重,以获得第二分类权重得分图,所述公式为:分类权重=exp(Bi)/∑exp(Bi),Bi是所述第二注意力特征图中每个像素位置的特征值。
4.根据权利要求1所述的基于分类权重的混凝土养护箱的清洁效果的检测方法,其中,融合所述第一分类权重特征图与所述第二分类权重特征图,以获得分类特征图,包括:
计算所述第一分类权重特征图与所述第二分类权重特征图之间的按像素位置加权和,以获得所述分类特征图。
5.根据权利要求1所述的基于分类权重的混凝土养护箱的清洁效果的检测方法,其中,将所述分类特征图通过分类器,以获得分类结果,包括:
将所述分类特征图通过编码器以获得分类特征向量,所述编码器包括一个或多个全连接层;以及
将所述分类特征向量通过Softmax分类函数,以获得所述分类结果。
6.根据权利要求1所述的基于分类权重的混凝土养护箱的清洁效果的检测方法,其中,所述卷积神经网络为深度残...
【专利技术属性】
技术研发人员:江勇,
申请(专利权)人:南通云达信息技术有限公司,
类型:发明
国别省市:江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。