一种用于电学实验考评的导线检测方法技术

本发明专利技术揭示了一种用于电学实验考评的导线检测方法，包括如下步骤：输入采集图像；对上述采集图像中的导线区域进行提取并确定导线区域在采集图像中的位置信息；将上述提取的导线区域图像进行预测获取具有不同色彩导线的导线区域mask图；对上述导线区域mask图中的导线进行相应区域的提取；确定被提取导线在导线区域mask图中的终始位置信息；确定被提取导线在采集图像中的位置。本发明专利技术实现了即使导线存在交叉或颜色相同的情况下依然能够实现导线的完整精准检测，以更好地辅助实现相关电学实验的智能评分。验的智能评分。验的智能评分。

【技术实现步骤摘要】
一种用于电学实验考评的导线检测方法


[0001]本专利技术涉及图像处理
，特别是涉及一种用于电学实验考评的导线检测方法。

技术介绍

[0002]随着深度学习的兴起，计算机视觉技术得到了不断的发展，其中尤为显著的便是以目标检测和实例分割为代表的物体检测技术，在各行各业都有着不错的落地方案，在初高中电学实验的智能考评系统中，电路的串并联、滑动变阻器的连接、电压表、电流表的连接方式等都是重要考点，因此对于导线的检测并确定导线相对位置也是智能考评系统所要重点解决的。
[0003]但是现有方案针对导线的检测，纯目标检测的方案难以检测具体导线及其位置，语义分割、实例分割等方案，在导线存在交叉或颜色相同时，就无法正确且完整的检测出导线及其位置，究其原因是因为常规方案，诸如语义分割、实例分割等是基于像素的分类，即寻找的是表观存在的导线，所以当导线颜色相同且存在交叉时，检测精度便会受到极大的影响。

技术实现思路

[0004]本专利技术的目的在于，提供一种用于电学实验考评的导线检测方法，实现即使导线存在交叉或颜色相同的情况下依然能够实现导线的完整精准检测，更好地辅助实现相关电学实验的智能评分。
[0005]为解决上述技术问题，本专利技术提供一种用于电学实验考评的导线检测方法，包括如下步骤：
[0006]输入采集图像；
[0007]对上述采集图像中的导线区域进行提取并确定导线区域在采集图像中的位置信息；
[0008]将上述提取的导线区域图像进行预测获取具有不同色彩导线的导线区域mask图；
[0009]对上述导线区域mask图中的导线进行相应区域的提取；
[0010]确定被提取导线在导线区域mask图中的终始位置信息；
[0011]根据被提取导线在导线区域mask图中的终始位置信息及导线区域在采集图像中的位置信息确定被提取导线在采集图像中的位置。
[0012]进一步的，所述导线区域的提取具体操作为：
[0013]利用目标检测网络检测出导线区域；
[0014]利用检测框对检测出的区域进行提取。
[0015]进一步的，所述导线区域mask图获取的具体操作为：
[0016]利用图像翻译网络对导线区域图像进行预测，获取具有不同色彩导线的导线区域mask图。
[0017]进一步的，所述图像翻译网络为GAN。
[0018]进一步的，所述导线提取的具体操作为：
[0019]通过opencv将导线区域mask图的色彩空间转换为HSV；
[0020]根据不同导线颜色不同，采用设定颜色阈值来提取相关导线区域。
[0021]进一步的，所述被提取导线位置确定的具体操作为：
[0022]搜索对应像素值来确定被提取导线起始位置的坐标和终止位置的坐标。
[0023]本专利技术还提供一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机可执行指令，所述计算机可执行指令被处理器执行时实现如上述方法中的步骤。
[0024]相比于现有技术，本专利技术至少具有以下有益效果：
[0025]本专利技术提供的用于电学实验考评的导线检测方法，通过对导线区域进行提取及对导线表观层面及语义层面进行识别，并对导线进行终始位置的确定，实现了即使导线存在交叉或颜色相同的情况下依然能够实现导线的完整精准检测，以更好地辅助实现相关电学实验的智能评分。
附图说明
[0026]图1为本专利技术一个实施例中用于电学实验考评的导线检测方法的流程示意图。
具体实施方式
[0027]下面将结合示意图对本专利技术的用于电学实验考评的导线检测方法进行更详细的描述，其中表示了本专利技术的优选实施例，应该理解本领域技术人员可以修改在此描述的本专利技术，而仍然实现本专利技术的有利效果。因此，下列描述应当被理解为对于本领域技术人员的广泛知道，而并不作为对本专利技术的限制。
[0028]在下列段落中参照附图以举例方式更具体地描述本专利技术。根据下面说明和权利要求书，本专利技术的优点和特征将更清楚。需说明的是，附图均采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本专利技术实施例的目的。
[0029]如图1所示，本专利技术实施例提出了一种用于电学实验考评的导线检测方法，包括如下步骤：
[0030]S1、输入采集图像；
[0031]S2、对上述采集图像中的导线区域进行提取并确定导线区域在采集图像中的位置信息；
[0032]S3、将上述提取的导线区域图像进行预测获取具有不同色彩导线的导线区域mask图；
[0033]S4、对上述导线区域mask图中的导线进行相应区域的提取；
[0034]S5、确定被提取导线在导线区域mask图中的终始位置信息；
[0035]S6、根据被提取导线在导线区域mask图中的终始位置信息及导线区域在采集图像中的位置信息确定被提取导线在采集图像中的位置。
[0036]通过对导线表观层面及语义层面进行识别，并对导线进行终始位置的确定，实现在即使导线存在交叉或颜色相同的情况下依然能够实现导线的精准检测，以更好地辅助实
现相关电学实验的智能评分。
[0037]以下列举所述用于电学实验考评的导线检测方法的较优实施例，以清楚的说明本专利技术的内容，应当明确的是，本专利技术的内容并不限制于以下实施例，其他通过本领域普通技术人员的常规技术手段的改进亦在本专利技术的思想范围之内。
[0038]在一个实施例中，在步骤S2中，所述导线区域的提取具体操作为：
[0039]利用目标检测网络检测出导线区域；
[0040]利用检测框对检测出的区域进行提取。
[0041]具体的，目标检测网络采用大量样本进行训练，可采用yolov5。针对实验操作台区域相关物体进行标注，作为训练样本进行模型训练，其中，包含导线的区域设为一个单独标签(导线区域)。特别说明的，此处包含导线的区域非实验前及试验后整理完的导线，而是根据实验要求连接完成的导线(如，串联电路、并联电路等搭建完成的电路)。
[0042]在一个实施例中，在步骤S3中，所述导线区域mask图获取的具体操作为：
[0043]利用图像翻译网络对导线区域图像进行预测，获取具有不同色彩导线的导线区域mask图。
[0044]具体的，图像翻译网络基于GAN，如pix2pix，利用上述的标签(导线区域)进行训练。将上述标签(导线区域)标注框内图像取出，将取出的图像用mask图覆盖，具体操作为，除导线外其他区域都为黑色mask图，每一根导线使用不同颜色的mask图进行覆盖，利用标注好的mask图片和原图进行训练。
[0045]GAN又名生成式对抗网络是一种深度学习模型，利用GAN对导线区域图像进行预测，实现了导线表观及语义层面的检测。
[0046]在一个实施例中，在步骤S4中，所述导线提取的具体操作为：
[0047]通过opencv将导线区域mask图的色彩空间转换为HSV；
...

【技术保护点】

【技术特征摘要】
1.一种用于电学实验考评的导线检测方法，其特征在于，包括如下步骤：输入采集图像；对上述采集图像中的导线区域进行提取并确定导线区域在采集图像中的位置信息；将上述提取的导线区域图像进行预测获取具有不同色彩导线的导线区域mask图；对上述导线区域mask图中的导线进行相应区域的提取；确定被提取导线在导线区域mask图中的终始位置信息；根据被提取导线在导线区域mask图中的终始位置信息及导线区域在采集图像中的位置信息确定被提取导线在采集图像中的位置。2.如权利要求1所述的用于电学实验考评的导线检测方法，其特征在于，所述导线区域的提取具体操作为：利用目标检测网络检测出导线区域；利用检测框对检测出的区域进行提取。3.如权利要求1所述的用于电学实验考评的导线检测方法，其特征在于，所述导线区域mask图获取的具体操作为：利用图像翻...

【专利技术属性】
技术研发人员：刘凯，李丽，刘利非，
申请(专利权)人：上海锡鼎智能科技有限公司，
类型：发明
国别省市：