一种导线识别方法、装置、计算设备及存储介质制造方法及图纸

本发明专利技术公开了一种导线识别方法，包括：获取实验操作图像，对实验操作图像进行边缘检测，得到导线边缘线；对实验操作图像中的除导线之外的器件进行目标检测，得到器件的检测框坐标；基于器件的检测框坐标与导线边缘线的位置关系，确定连接导线的位置。本方案既能够提高导线识别的精度，又能大大降低计算成本。又能大大降低计算成本。又能大大降低计算成本。

【技术实现步骤摘要】
一种导线识别方法、装置、计算设备及存储介质


[0001]本专利技术涉及图像识别
，具体涉及一种导线识别方法、装置、计算设备及存储介质。

技术介绍

[0002]在中学物理电学实验教学或考试中，导线是常用的实验器材，例如根据电路图连接电路的实验中，对于导线存在许多操作和得分点，诸如电表接线位置、线路连接方式等。为了更加准确地对学生的实验操作进行测评，需要对导线进行识别。
[0003]随着计算机视觉技术的发展，尤其是以目标检测和实例分割为代表的物体检测技术，在多个行业领域得到了广泛的应用。目前对于导线的识别，主要有基于目标检测的识别方法，将导线标注后进行训练和推理，由于导线为细长条，而目标检测标注框均为方形框，会包含大量的干扰信息，导致导线识别准确度低，无法满足实验考察的要求。基于语义分割的导线识别方法中，由于导线为不规则细长物体，语义分割的数据标注会耗费大量的人力物力和硬件资源，检测效率较低。
[0004]因此，需要提供一种导线识别方法，能够降低标注成本和计算成本，提高导线识别的准确性和效率，以解决现有技术中存在的问题。

技术实现思路

[0005]鉴于上述问题，本专利技术提出一种克服上述问题或者至少部分地解决上述问题的一种导线识别方法、装置、计算设备及存储介质，能够避免对导线进行标注，将边缘检测和目标检测相结合，通过逻辑规则识别导线，从而减少干扰降低计算成本，同时提高导线识别的准确性。
[0006]根据本专利技术的第一方面，提供一种导线识别方法，包括：首先，获取实验操作图像，对实验操作图像进行边缘检测，得到导线边缘线；然后，对实验操作图像中的除导线之外的器件进行目标检测，得到器件的检测框坐标；最后，基于器件的检测框坐标与导线边缘线之间的位置关系，确定连接导线的位置。
[0007]本方案利用导线和元器件不同的形状特征，将边缘检测和目标检测相结合，一方面，通过边缘检测能够对导线边缘线进行精确识别，另一方面对除导线之外的器件进行目标检测，能够避免对导线的标注，大大降低计算成本。最后根据导线边缘线与器件检测框之间的位置关系，去除边缘线中的一些干扰，从而提高导线识别的准确度。
[0008]可选地，在上述方法中，可以利用卷积核对实验操作图像进行高斯滤波，得到滤波图像。这样可以去除原始图像中的噪声，减少对后续边缘检测的干扰。
[0009]然后，对滤波图像中的每个像素点，计算水平方向梯度值和垂直方向梯度值，得到每个像素点的梯度幅值和梯度方向；遍历滤波图像中的每个像素点，判断当前像素点的梯度幅值是否是周围像素点中具有相同梯度方向的最大值，如果是，则保留当前像素点，如果不是，则抑制当前像素点，得到边缘像素点；
最后，设置第一阈值和第二阈值，根据边缘像素点的梯度幅值与第一阈值和第二阈值的关系判断边缘的属性，确定边缘线。通过双阈值确定边缘，能够将由于噪声产生的虚边缘去除，提高边缘检测的准确度。
[0010]可选地，在上述方法中，梯度幅值G通过下述公式计算：其中，G
x
为像素点的水平方向梯度值，G
y
为像素点的垂直方向梯度值。梯度方向θ通过下述公式计算：θ＝tan
‑1(G
y
，G
x
)。
[0011]可选地，在确定边缘线的步骤中，如果当前边缘像素的梯度幅值大于或等于第一阈值，则将当前边缘像素标记为强边缘，如果当前边缘像素的梯度幅值小于第一阈值且大于第二阈值，则将当前边缘像素标记为虚边缘，如果当前边缘像素的梯度幅值小于或等于第二阈值，则抑制当前边缘像素点。
[0012]然后，判断虚边缘是否与强边缘连接，如果连接，则将虚边缘处理为边缘，如果不连接，则抑制虚边缘。
[0013]可选地，在上述方法中，可以判断虚边缘的八邻域是否存在大于第一阈值的点，若存在则将虚边缘处理为强边缘，否则舍弃虚边缘。
[0014]可选地，在上述方法中，可以先将实验操作图像中除导线之外的实验器件进行标注，得到包含标注框的训练图像；然后，将训练图像输入预先构建的目标检测模型中进行训练，得到训练好的目标检测模型，目标检测模型为R
‑
CNN、fastR
‑
CNN、YOLO、SSD中任意一种；最后，将待检测图像输入训练好的目标检测模型中进行检测，得到目标检测结果，目标检测结果包括除导线之外的实验器件的检测框坐标。
[0015]可选地，在上述方法中，可以先对实验操作范围外的边缘线去除；然后，将两条边缘线之间的距离小于预设阈值的边缘线识别为导线边缘线；最后，将不在器件的检测框内且在两个器件的检测框之间的边缘线识别为连接导线。
[0016]根据本专利技术的第二方面，提供了一种导线识别装置，包括：边缘检测模块、目标检测模块的导线确定模块。
[0017]其中，边缘检测模块，用于获取实验操作图像，对实验操作图像进行边缘检测，得到导线边缘线。目标检测模块，用于对实验操作图像中的除导线之外的器件进行目标检测，得到器件的检测框坐标。导线确定模块，用于基于器件的检测框坐标与导线边缘线之间的位置关系确定连接导线的位置。
[0018]根据本专利技术的第三方面，提供一种计算设备，包括：至少一个处理器；和存储有程序指令的存储器，其中，程序指令被配置为适于由至少一个处理器执行，程序指令包括用于执行上述导线识别方法的指令。
[0019]根据本专利技术的第四方面，提供一种存储有程序指令的可读存储介质，当程序指令被计算设备读取并执行时，使得计算设备执行上述的导线识别方法。
[0020]根据本专利技术的方案，首先利用边缘检测算法对实时获取的实验操作图像进行边缘检测，得到边缘检测图像；随后利用目标检测模型对实验操作图像中除导线之外的元器件进行目标检测，得到元器件的检测框，无需对导线进行标注和目标检测。最后，利用导线边
缘线和元器件检测框之间的位置关系确定连接导线的位置，从而判断导线连接是否正确。因此本方案既能够提高导线识别的精度，又能大大降低计算成本。
[0021]上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术的具体实施方式。
附图说明
[0022]通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本专利技术的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：图1示出了根据本专利技术一个实施例的计算设备100的结构框图；图2示出了根据本专利技术一个实施例的导线识别方法200的流程示意图；图3示出了根据本专利技术的一个实施例的基于边缘检测和目标检测的导线识别示意图；图4示出了根据本专利技术一个实施例的导线识别装置400的结构示意图。
具体实施方式
[0023]下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种导线识别方法，其特征在于，所述方法包括：获取实验操作图像，对所述实验操作图像进行边缘检测，得到导线边缘线；对所述实验操作图像中的除导线之外的器件进行目标检测，得到器件的检测框坐标；以及基于所述器件的检测框坐标与所述导线边缘线之间的位置关系，确定连接导线的位置。2.根据权利要求1所述的方法，其特征在于，所述对所述实验操作图像进行边缘检测，得到导线边缘线的步骤包括：利用卷积核对所述实验操作图像进行高斯滤波，得到滤波图像；对所述滤波图像中的每个像素点，计算水平方向梯度值和垂直方向梯度值，得到每个像素点的梯度幅值和梯度方向；遍历滤波图像中的每个像素点，判断当前像素点的梯度幅值是否是周围像素点中具有相同梯度方向的最大值，如果是，则保留当前像素点，如果不是，则抑制当前像素点，得到边缘像素点；设置第一阈值和第二阈值，根据所述边缘像素点的梯度幅值与所述第一阈值和第二阈值的关系判断边缘的属性，确定边缘线。3.根据权利要求2所述的导线识别方法，其特征在于，所述梯度幅值G通过下述公式计算：所述梯度方向θ通过下述公式计算：θ＝tan
‑1(G
y
，G
x
)其中，G
x
为像素点的水平方向梯度值，G
y
为像素点的垂直方向梯度值。4.根据权利要求2所述的导线识别方法，其特征在于，所述设置第一阈值和第二阈值，根据所述边缘像素点的梯度幅值与所述第一阈值和第二阈值的关系判断边缘的属性，确定边缘线的步骤包括：如果当前边缘像素的梯度幅值大于或等于第一阈值，则将当前边缘像素标记为强边缘，如果当前边缘像素的梯度幅值小于第一阈值且大于第二阈值，则将当前边缘像素标记为虚边缘，如果当前边缘像素的梯度幅值小于或等于第二阈值，则抑制当前边缘像素点；判断所述虚边缘是否与所述强边缘连接，如果连接，则将所述虚边缘处理为边缘，如果不连接，则抑制所述虚边缘。5.根据权利要求4所述的导线识别方法，其特征在于，所述判断所述虚边...

【专利技术属性】
技术研发人员：刘凯，杨吉利，王庆峰，
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：