一种复杂光污染环境下产品特征图像人工智能识别方法技术

本发明专利技术提供一种复杂光污染环境下产品特征图像人工智能识别方法，包括模型优化改进，数据集制作及锚点(anchor)聚类，模型训练和模型调用，采用深度学习的方法进行产品特征检测，针对深度学习目标检测方法模型参数多、运行速度慢的问题，提出了应用轻量卷积代替目标检测模型中的卷积，并且又对模型的损失函数进行改进使得模型的检测速度、精度都有所改善；另外建立产品特征的数据集，并且对数据集进行K‑Means++聚类得到了适合数据集的锚点，经过训练得到了产品特征检测模型，该模型受环境的影响更小，在光照过亮、过暗等光污染情况下都能取得很好的检测效果，而且改进后的模型能对车间工控机的硬件配置要求更低能够满足精度与速度要求。

An artificial intelligence recognition method of product feature image in complex light pollution environment

【技术实现步骤摘要】
一种复杂光污染环境下产品特征图像人工智能识别方法
本专利技术属于汽车生产
，具体涉及一种复杂光污染环境下产品特征图像人工智能识别方法。
技术介绍
汽车生产过程中有很多形状需要检测，有的是规则的形状、有的是不规则的形状。对于比较规则的形状我们可以采用图像处理、边缘检测、霍夫变换、曲线拟合来定位待检测目标的位置。但是对于不规则的形状，曲线拟合比较复杂。另外由于汽车生产车间的环境复杂，光照环境并不一定能够满足进行图像处理所需的要求，会出现光照过亮或者过暗的情况。即使用同一种亮度的光源进行照射，不同的材料表面对光照的反射情况也不同，同种材料在有污渍、锈斑的情况下也会反射不同。这就出现了在同样光源亮度的情况下，物体反射不一样表现出不同的成像效果，出现照片过亮过暗的情况，从而导致图像处理算法失效，目标检测失败。近年来随着深度学习的快速发展，基于深度学习的目标检测方法迎来了快速进步。常见的目标检测方法有R-CNN,FastR-CNN,FasterR-CNN,SSD,YOLO等等。这些目标检测方法相比于传统的图像处理方法检测效果更好。但是也存在着本文档来自技高网...

【技术保护点】
1.一种复杂光污染环境下产品特征图像人工智能识别方法，包括如下步骤：/n(1)模型优化改进/n采用MobileNetV3-Small替换YOLOv3的Darknet53，将MobileNetV3-Small的第11个bneck输出特征进行一次卷积操作，卷积特征作为一层检测输出，之后将第11个bneck上采样，将第3个bneck输出特征重整与第八个bneck输出特征大小一致，然后将这两层特征与第8个bneck融合之后进行一次卷积操作，卷积特征作为第二层检测输出，最后采用Focalloss函数改进原YOLOv3的置信损失函数，采用GIoU loss函数改进原YOLOv3的位置损失函数；/n(2)数...

【技术特征摘要】
1.一种复杂光污染环境下产品特征图像人工智能识别方法，包括如下步骤：
(1)模型优化改进
采用MobileNetV3-Small替换YOLOv3的Darknet53，将MobileNetV3-Small的第11个bneck输出特征进行一次卷积操作，卷积特征作为一层检测输出，之后将第11个bneck上采样，将第3个bneck输出特征重整与第八个bneck输出特征大小一致，然后将这两层特征与第8个bneck融合之后进行一次卷积操作，卷积特征作为第二层检测输出，最后采用Focalloss函数改进原YOLOv3的置信损失函数，采用GIoUloss函数改进原YOLOv3的位置损失函数；
(2)数据集制作及锚点(anchor)聚类
在生产车间拍摄待检测目标的照片10000张，然后对照片进行标注得到标准的数据集，将物体的类别、位置信息存储在XML文件中，YOLOv3采用了anchor的方法进行候选框的位置预测，将所建立的数据集的位置边框信息读取到txt文件中，对边框信息进行K-means++聚类得到适合的anchor的个数及大小；
(3)模型训练
用步骤(2)中制作的数据集进行训练，其中8000张是训练集、2000张是验证集，并且在训练之前采用了旋转、增加噪声、缩放、裁剪等方法进行了数据增强，采用Keras搭建...

【专利技术属性】
技术研发人员：何智成，王振兴，宋凯，胡朝辉，
申请(专利权)人：广西柳州联耕科技有限公司，
类型：发明
国别省市：广西;45