一种用于快速识别全息图像中铝燃烧颗粒的目标检测方法技术

本发明专利技术公开了一种用于快速识别全息图像中铝燃烧颗粒的目标检测方法，包括：步骤一、建立适用于铝燃烧颗粒全息图像识别的数据集；步骤二、对选取的铝燃烧颗粒全息图像的训练集和验证集图像标注；步骤三、铝燃烧全息图像颗粒识别模型选取及参数设计；步骤四、铝燃烧全息图颗粒快速识别；步骤五、铝燃烧颗粒中心位置获取；步骤六、铝燃烧颗粒粒径提取；利用YOLOv 3模型，实现对全息图像中微米级铝燃烧颗粒的快速识别，获得铝颗粒的颗粒信息。获得铝颗粒的颗粒信息。获得铝颗粒的颗粒信息。

【技术实现步骤摘要】
一种用于快速识别全息图像中铝燃烧颗粒的目标检测方法


[0001]本专利技术属于数字全息和深度学习
，具体涉及一种用于快速识别全息图像中铝燃烧颗粒的目标检测方法。

技术介绍

[0002]铝粉是固体推进剂基本组元之一，能够改善火箭发动机的内弹道性能，如提高推进剂的密度、燃烧温度和比冲，也可抑制高频不稳定燃烧等。因此铝颗粒燃烧研究对于揭示推进剂中铝燃烧机理具有重要意义。传统的铝颗粒燃烧测量方法景深小且无法获得燃烧场中颗粒的动态信息，且采用人工手动处理获得颗粒信息。
[0003]为获得清晰，且景深小的燃烧场中颗粒的动态信息，采用新的图像采集方法，即数字全息法采集图像，数字全息可解决景深小的问题，并且单帧全息图像经过重建、融合后可获得几十甚至上百个清晰的颗粒。但由于数字全息技术获得的数据量较大，并且每张图像的铝颗粒数也较多，如果采用传统图像处理技术识别，颗粒精度会大幅降低；若使用手动识别颗粒，逐个计算颗粒粒径和空间坐标等信息，这极大地降低效率。因此，需要建立一种用于识别全息图像中铝燃烧颗粒的目标检测方法，以实现全息图像复杂背景中铝燃烧颗粒自主识别，从而提高铝燃烧颗粒全息图像后处理效率和准确率。
[0004]另外，传统的目标识别方法的识别目标多具备类别和特征差异明显、尺寸大 (米级)、速度低(米/秒～十米/秒级)等特点；但全息图像中铝颗粒具备差别小、尺寸小，为微米级、速度快(百米/秒～千米/秒级)等特点，因此需要结合这些特点建立一种适用于全息图像中铝燃烧颗粒的自主识别方法。

技术实现思路

[0005]本专利技术的目的是提供一种用于快速识别全息图像中铝燃烧颗粒的目标检测方法，利用YOLOv 3模型，实现对全息图像中微米级铝燃烧颗粒的快速识别，获得铝颗粒的颗粒信息。
[0006]本专利技术采用以下技术方案：一种用于快速识别全息图像中铝燃烧颗粒的目标检测方法，该检测方法包括：
[0007]步骤一、建立适用于铝燃烧颗粒全息图像识别的数据集：
[0008]选取推进剂铝燃烧过程中的非连续的原始全息图像，通过图像重建、融合获得清晰的全息图像，将清晰的全息图像作为数据集；
[0009]步骤二、对选取的铝燃烧颗粒全息图像的训练集和验证集图像标注：
[0010]对训练集图像重新命名，并采用LabelImg标注工具对每张全息图像中的每个铝燃烧颗粒标注；对每张标注后的图片信息对应保存，并定义为全息图标签；
[0011]步骤三、铝燃烧全息图像颗粒识别模型选取及参数设计：
[0012]建立YOLOv3模型，并设定参数；
[0013]步骤四、铝燃烧全息图颗粒快速识别：
[0014]将待检测全息图像输入铝颗粒识别模型，得出每张待识别的全息图像中目标的位置信息以及该目标是铝颗粒的置信度，位置信息以矩形框的形式表现，并给出[xk，yk，wk，hk]，xk、yk、wk、hk分别为全息图像中铝颗粒预测框的起始横坐标、起始纵坐标、预测框宽度和预测框宽度；
[0015]步骤五、铝燃烧颗粒中心位置获取：
[0016]将步骤四得出的预测框的中心坐标作为铝颗粒的中心位置坐标[Xk，Yk]；
[0017]步骤六、铝燃烧颗粒粒径提取：
[0018]将预测框中的铝颗粒作为粒径提取对象，对颗粒图像进行线性插值，并采用分水岭分割提取颗粒边缘，计算边缘内所有像素的面积之和作为等效圆的面积 Sk，根据；获取颗粒粒径Dk，获得全息图像中铝燃烧颗粒的目标检测信息[Xk， Yk，Dk]。
[0019]进一步地，在所述步骤二中，对每个铝燃烧颗粒标注的过程如下：标注框中心与铝燃烧颗粒中心保持一致，对于单个颗粒，采用单个矩形框进行标注，标注框的大小为铝燃烧颗粒的1.5～2.0倍；对于多个颗粒有连接融合的情况，采用多个矩形框进行标注，标注框的大小为铝燃烧颗粒的1.0～1.5倍。
[0020]进一步地，在所述步骤三中，包括如下步骤：
[0021]步骤3.1、将步骤一中的训练集作为输入图像，每张图像均分成SxS个格子， S为不大于图像尺寸的整数，每个格子用于检测落入该格子中的金属铝颗粒；
[0022]步骤3.2、根据步骤二中的全息图标签确认真值边框，对步骤3.1中的每一个网格中的真值边框信息聚类出先验预测框；
[0023]步骤3.3、根据损失函数给出预测框，交并比IoU最大的预测框会被标注成1，被标注成1的预测框为最终预测框；
[0024]步骤3.4、步骤3.1中每个格子预测B个边界框，同时给出该预测框的置信度，输出预测框，以及每个格子需要预测类别信息；B取2。
[0025]进一步地，在所述步骤四中，YOLOv3模型验证过程如下：设置训练迭代轮数，将步骤一中的验证集输入YOLOv3模型中，若验证集的训练的结果与步骤二中2验证集标注结果的相似程度不小于90％，则模型验证通过。
[0026]进一步地，在所述步骤四中，YOLOv3模型预测过程如下：将所述步骤一中的预测集输入通过验证的YOLOv3模型中，预测出过程耗时单位为毫秒级；给出每张待识别的原始全息图片中目标的位置信息以及该目标是铝颗粒的置信度。
[0027]进一步地，在所述步骤一中，所述训练集，验证集和预测集将的比例为6：2： 2。
[0028]进一步地，所述步骤3.1中S取值为128。本专利技术的有益效果是：1.对于全息图像中铝燃烧颗粒，每张图像的铝颗粒数多，且为同类目标，彼此之间特征差异小、特征低、尺寸小、速度快，通过建立YOLOv 3模型，并设定适合铝燃烧颗粒识别的参数，实现了对微米级铝燃烧颗粒的快速识别，获得铝颗粒的颗粒信息。2.根据标注准则，设定矩形框的几何中心与颗粒的几何中心重合的方法，并根据颗粒识别结果，准确获得铝颗粒的位置信息。3.整个全息图像中铝燃烧颗粒的目标检测过程只需要几秒时间，实现了针对全息图像中特征低、尺寸小、速度快的铝颗粒的快速识别。
附图说明
[0029]图1目标检测方法步骤流程图；
[0030]图2训练集图像标注示意图：
[0031](a)整体标注示意图；(b)单个铝颗粒标注示意图；(c)有连接的铝颗粒标注示意图；
[0032]图3网格划分示意图；
[0033]图4验证集标注结果示意图；
[0034]图5目标检测预测结果；
[0035]图6颗粒中心位置获取原理示意图；
[0036]图7线性插值对比图：
[0037](a)未进行插值示意图；(b)线性插值后的结果；
[0038]图8颗粒粒径提取示意图。
具体实施方式
[0039]下面结合附图和具体实施方式对本专利技术进行详细说明。
[0040]本专利技术一种用于快速识别全息图像中铝燃烧颗粒的目标检测方法，如图1所示，该检测方法包括：
[0041]步骤一、建立适用于铝燃烧颗粒全息图像识别的数据集：
[0042]选取推进剂铝燃烧过程中的非连续的原始全息图像，通过图像重建、融合获得清晰的全息图像，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于快速识别全息图像中铝燃烧颗粒的目标检测方法，其特征在于，该检测方法包括：步骤一、建立适用于铝燃烧颗粒全息图像识别的数据集：选取推进剂铝燃烧过程中的非连续的原始全息图像，通过图像重建、融合获得清晰的全息图像，将清晰的全息图像作为数据集；步骤二、对选取的铝燃烧颗粒全息图像的训练集和验证集图像标注：对训练集图像重新命名，并采用LabelImg标注工具对每张全息图像中的每个铝燃烧颗粒标注；对每张标注后的图片信息对应保存，并定义为全息图标签；步骤三、铝燃烧全息图像颗粒识别模型选取及参数设计：建立YOLOv3模型，并设定参数；步骤四、铝燃烧全息图颗粒快速识别：将待检测全息图像输入铝颗粒识别模型，得出每张待识别的全息图像中目标的位置信息以及该目标是铝颗粒的置信度，位置信息以矩形框的形式表现，并给出[x
k
，y
k
，w
k
，h
k
]，x
k
、y
k
、w
k
、h
k
分别为全息图像中铝颗粒预测框的起始横坐标、起始纵坐标、预测框宽度和预测框宽度；步骤五、铝燃烧颗粒中心位置获取：将步骤四得出的预测框的中心坐标作为铝颗粒的中心位置坐标[X
k
，Y
k
]，步骤六、铝燃烧颗粒粒径提取：将预测框中的铝颗粒作为粒径提取对象，对颗粒图像进行线性插值，并采用分水岭分割提取颗粒边缘，计算边缘内所有像素的面积之和作为等效圆的面积S
k
，根据S
k
＝πR
k2
；D
k
＝2R
k
×
P获取颗粒粒径D
k
，获得全息图像中铝燃烧颗粒的目标检测信息[X
k
，Y
k
，D
k
]。2.如权利要求1所述的一...

【专利技术属性】
技术研发人员：金秉宁，袁江，刘佩进，徐庚，徐宏博，杨思穎，雷笑语，丁雅欣，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：