基于YOLO算法的玻璃仪器检测方法、装置及相关设备制造方法及图纸

本发明专利技术实施例公开了基于YOLO算法的玻璃仪器检测方法、装置及相关设备。该方法包括采用多维度特征提取模块对输入图像进行不同维度的特征提取，得到多维度的原特征图；按低维度特征图与高维度特征图融合的规则对原特征图进行特征融合，得到多维度的特征融合图；通过YOLO算法对特征融合图进行分类预测、位置坐标回归和类别置信度计算，得到分类结果、回归结果和类别置信度，并根据分类结果、回归结果和类别置信度进行损失计算，得到分类损失、回归损失和置信度损失；根据分类损失、回归损失和置信度损失对YOLO算法的模型参数进行更新，得到最优的YOLO算法；将目标检测图像输入YOLO算法进行目标检测，得到检测结果。该方法提高YOLO算法对图像进行玻璃仪器检测的准确度。YOLO算法对图像进行玻璃仪器检测的准确度。YOLO算法对图像进行玻璃仪器检测的准确度。

【技术实现步骤摘要】
基于YOLO算法的玻璃仪器检测方法、装置及相关设备


[0001]本专利技术涉及人工智能领域，尤其涉及一种基于YOLO算法的玻璃仪器检测方法、装置及相关设备。

技术介绍

[0002]目前对于实验考试大多采用图像检测自动评分，而对于实验中的玻璃仪器检测，多采用目标检测算法。实验使用的玻璃器皿种类多，例如试剂瓶、烧杯、量筒等。由于玻璃仪器透明度高，实验操作过程中手持遮挡严重，使用目前常见的目标检测识别算法对透明目标特征提取能力弱，受环境和光线影响较大，难以准确检测识别。

技术实现思路

[0003]本专利技术实施例提供了一种基于YOLO算法的玻璃仪器检测方法、装置及相关设备，旨在解决现有技术中YOLO算法对于玻璃仪器的检测准确度较低的问题。
[0004]第一方面，本专利技术实施例提供了一种基于YOLO算法的玻璃仪器检测方法，包括：
[0005]采用多维度特征提取模块对输入图像进行不同维度的特征提取，得到多维度的原特征图；
[0006]按低维度特征图与高维度特征图融合的规则对所述原特征图进行特征融合，得到多维度的特征融合图；
[0007]通过YOLO算法对所述特征融合图进行分类预测、位置坐标回归和类别置信度计算，得到分类结果、回归结果和类别置信度，并根据所述分类结果、回归结果和类别置信度进行损失计算，得到分类损失、回归损失和置信度损失；
[0008]根据所述分类损失、回归损失和置信度损失对YOLO算法的模型参数进行更新，得到最优的YOLO算法；
[0009]将目标检测图像输入所述YOLO算法进行目标检测，得到检测结果。
[0010]第二方面，本专利技术实施例提供了一种基于YOLO算法的玻璃仪器检测装置，其包括：
[0011]特征提取模块，用于采用多维度特征提取模块对输入图像进行不同维度的特征提取，得到多维度的原特征图；
[0012]特征融合模块，用于按低维度特征图与高维度特征图融合的规则对所述原特征图进行特征融合，得到多维度的特征融合图；
[0013]损失计算模块，用于通过YOLO算法对所述特征融合图进行分类预测、位置坐标回归和类别置信度计算，得到分类结果、回归结果和类别置信度，并根据所述分类结果、回归结果和类别置信度进行损失计算，得到分类损失、回归损失和置信度损失；
[0014]参数更新模块，用于根据所述分类损失、回归损失和置信度损失对YOLO算法的模型参数进行更新，得到最优的YOLO算法；
[0015]检测模块，用于将目标检测图像输入所述YOLO算法进行目标检测，得到检测结。
[0016]本专利技术实施例提供了一种基于YOLO算法的玻璃仪器检测方法、装置及相关设备。
该系统包括采用多维度特征提取模块对输入图像进行不同维度的特征提取，得到多维度的原特征图；按低维度特征图与高维度特征图融合的规则对所述原特征图进行特征融合，得到多维度的特征融合图；通过YOLO算法对所述特征融合图进行分类预测、位置坐标回归和类别置信度计算，得到分类结果、回归结果和类别置信度，并根据所述分类结果、回归结果和类别置信度进行损失计算，得到分类损失、回归损失和置信度损失；根据所述分类损失、回归损失和置信度损失对YOLO算法的模型参数进行更新，得到最优的YOLO算法；将目标检测图像输入所述YOLO算法进行目标检测，得到检测结果。该方法通过对图像进行多维度特征提取，基于多维度特征图像进行特征融合，基于融合后的特征图像训练YOLO算法，提高YOLO算法对于目标的检测准确度。
附图说明
[0017]为了更清楚地说明本专利技术实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0018]图1为本专利技术实施例提供的基于YOLO算法的玻璃仪器检测方法的流程示意图；
[0019]图2为本专利技术实施例提供的基于YOLO算法的玻璃仪器检测方法一实施例的流程示意图；
[0020]图3为本专利技术实施例提供的基于YOLO算法的玻璃仪器检测方法中步骤S110的子流程示意图；
[0021]图4为本专利技术实施例提供的基于YOLO算法的玻璃仪器检测方法中步骤S120的子流程示意图；
[0022]图5为本专利技术实施例提供的基于YOLO算法的玻璃仪器检测方法中步骤S130的子流程示意图；
[0023]图6为本专利技术实施例提供的基于YOLO算法的玻璃仪器检测装置的框架示意图；
[0024]图7为本专利技术实施例提供的基于YOLO算法的玻璃仪器检测方法中的网络结构示意图。
具体实施方式
[0025]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0026]应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
[0027]还应当理解，在此本专利技术说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本专利技术。如在本专利技术说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
[0028]还应当进一步理解，在本专利技术说明书和所附权利要求书中使用的术语“和/或”是
指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
[0029]请参阅图1所示，图1为本专利技术实施例提供的基于YOLO算法的玻璃仪器检测方法的流程示意图，该方法包括步骤S110～S150；
[0030]步骤S110、采用多维度特征提取模块对输入图像进行不同维度的特征提取，得到多维度的原特征图；
[0031]本实施例中，玻璃仪器包括实验使用的玻璃器皿，玻璃器皿种类繁多，例如试剂瓶、烧杯、量筒等，此处不一一列举。由于玻璃仪器透明度高，实验操作过程中手持遮挡严重，使用目前常见的目标检测识别算法对透明目标特征提取能力弱，受环境和光线影响较大，难以准确检测识别。利用多维度特征提取模块对输入图像进行不同维度的特征提取，得到输入图像多个维度的原特征图。其中，维度可以是输入图像大小的8
×
8、16
×
16、32
×
32。此外，输入图像可以从实验桌的多方位摄像机获取，以得到不同视角的实验图像，方位可以是前视角、后视角、顶视角和侧视角。
[0032]在一实施例中，如图2所示，步骤S110之前，包括：
[0033]步骤S210、识别所述输入图像的原始尺寸，根据所述原始尺寸对所述输入图像本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于YOLO算法的玻璃仪器检测方法，其特征在于，包括：采用多维度特征提取模块对输入图像进行不同维度的特征提取，得到多维度的原特征图；按低维度特征图与高维度特征图融合的规则对所述原特征图进行特征融合，得到多维度的特征融合图；通过YOLO算法对所述特征融合图进行分类预测、位置坐标回归和类别置信度计算，得到分类结果、回归结果和类别置信度，并根据所述分类结果、回归结果和类别置信度进行损失计算，得到分类损失、回归损失和置信度损失；根据所述分类损失、回归损失和置信度损失对YOLO算法的模型参数进行更新，得到最优的YOLO算法；将目标检测图像输入所述YOLO算法进行目标检测，得到检测结果。2.根据权利要求1所述的基于YOLO算法的玻璃仪器检测方法，其特征在于，在所述采用多维度特征提取模块对输入图像进行不同维度的特征提取，得到多维度的原特征图之前，包括：识别所述输入图像的原始尺寸，根据所述原始尺寸对所述输入图像进行等比例缩放；对所述输入图像的数据结构和数据格式进行转化，得到张量类型的输入图像，且所述输入图像的像素点数据在
‑
1到1之间。3.根据权利要求1所述的基于YOLO算法的玻璃仪器检测方法，其特征在于，所述多维度特征提取模块包括第一子模块、第二子模块、第三子模块、第四子模块及第五子模块，所述采用多维度特征提取模块对输入图像进行不同维度的特征提取，得到多维度的原特征图，包括：将所述输入图像输入所述第一子模块进行特征提取，得到第一特征图；将所述第一特征图输入所述第二子模块进行特征提取，得到第一维度特征图；将所述第一维度特征图输入所述第三子模块进行特征提取，得到第二维度特征图；将所述第二维度特征图输入所述第四子模块进行特征提取，得到第三维度特征图；将所述第三维度特征图输入所述第五子模块进行特征提取，得到第四维度特征图，其中，所述第三维度特征图和第四维度特征图的维度相同。4.根据权利要求3所述的基于YOLO算法的玻璃仪器检测方法，其特征在于，所述第二子模块包括2个CBL普通卷积层、2个CSP跨局部卷积层，所述将所述第一特征图输入第二子模块进行特征提取，得到第一维度特征图，包括：将所述第一特征图依次输入2个CBL卷积层进行卷积处理，得到第一卷积结果；将所述第一卷积结果依次输入2个CSP跨局部卷积层进行卷积处理，得到所述第一维度特征图。5.根据权利要求3所述的基于YOLO算法的玻璃仪器检测方法，其特征在于，所述第三子模块由1个CBL普通卷积层、1个CSP跨局部卷积层、1个MPM混合池化层和1个1
×
1空间可分离卷积层组成，所述将所述第一维度特征图输入第三子模块进行特征提取，得到第二维度特征图，包括：将所述第一维度特征图输入CBL普通卷积层进行卷积处理，得到第二卷积结果；将所述第二卷积结果输入CSP跨局部卷积层进行卷积处理，得到第三卷积结果；
将所述第三卷积结果输入MPM混合池化层进行池化...

【专利技术属性】
技术研发人员：丁诚翔，
申请(专利权)人：上海大风实验室设备有限公司，
类型：发明
国别省市：