一种基于机器视觉的探究液体内部压强相关因素实验评分系统技术方案

本申请涉及一种基于机器视觉的探究液体内部压强相关因素实验评分系统，属于计算机视觉和智慧教育领域，本申请可实现计算机快速准确地对考生的探究液体内部压强相关因素实验操作进行评分；该系统分为视觉检测模块、评分决策模块及界面可视化模块；首先根据实验要求确定视觉检测特征，形成评分方案。其次采集每个得分特征对应的图像进行标注制作图像集，并构建和训练视觉智能检测模型Dlia

【技术实现步骤摘要】
一种基于机器视觉的探究液体内部压强相关因素实验评分系统


[0001]本专利技术涉及一种基于机器视觉的探究液体内部压强相关因素实验评分系统，属于计算机视觉和智慧教育领域。

技术介绍

[0002]智慧实验教育是未来教育的发展趋势，探究液体内部压强相关因素实验是中考实验中较为常见的实验，能够帮助学生深刻理解课本上液体内部压强的含义；然而传统实验操作正确性的评判采用人工评分的方式，人工评分难以保证客观性和公平性。
[0003]例如：中国专利技术专利：CN201310186978.7，所公开的“液体压强计”，其说明书公开：通过进液孔向压强感应盒及透明胶管内灌装有色液体(如红墨水)，盖上软塞，用注射器针头刺穿软塞增减有色液体，可精确调节软管内的液面刚好处于零刻度处，将压强感应盒放入待测液体内，橡皮膜受压，压迫有色液体在透明胶管内上升，可直接读数....；上述专利可以佐证现有技术存在的缺陷。
[0004]因此我们对此做出改进，提出一种基于机器视觉的探究液体内部压强相关因素实验评分系统。

技术实现思路

[0005](一)本专利技术要解决的技术问题是：传统实验操作正确性的评判采用人工评分的方式，人工评分难以保证客观性和公平性。
[0006](二)技术方案
[0007]为了实现上述专利技术目的，本专利技术提供了一种基于机器视觉的探究液体内部压强相关因素实验评分系统，包括如下步骤：
[0008]步骤一：将探究液体内部压强相关因素实验划分成五个步骤，确定得分点并找出对应视觉判断特征，形成智能评分方案；
[0009]步骤二：采集每个关键特征对应的图像，制备训练集与测试集；
[0010]步骤三：以Yolo v3模型为基础，构建视觉智能检测模型Dail
‑
Yolo v3模型；
[0011]步骤四：使用实验图像训练集对视觉检测模型Dail
‑
YOLO v3进行训练与测试；
[0012]步骤五：根据评分方案与模型测试结果，建立智能评分决策机制；
[0013]步骤六：设计智能评分界面、集成视觉检测算法、评分决策机制，形成智能评分系统；
[0014]步骤七：选择考生实验操作视频，通过智能评分系统的视觉检测模块识别关键得分特征，由评分界面模块可视化目标信息；
[0015]步骤八：根据智能评分系统的视觉检测模块反馈的检测目标信息，通过评分决策模块进行评判得分并保存所有得分详细信息至指定文件中。
[0016]其中，所述步骤一中形成智能评分方案的具体方法包括：
[0017]S1、U形管压强计金属盒朝向向下放入盛有水的深玻璃桶中某一深度，并记录；
[0018]S2、改变金属盒三种朝向时，记录金属盒朝向与深度信息；
[0019]S3、改变金属盒在水中所处的深度，并保持该深度不变，重复S2；
[0020]S4、换用盐水，金属盒放置的深度与在水中的某次相同，重复步骤S2；
[0021]S5、整理实验仪器。
[0022]其中，步骤二中制备训练集与测试集的方法包括：
[0023]根据评分方案总结出本实验需智能检测的关键特征，关键特征包括：“深玻璃桶(正视)”、“深玻璃桶(俯视)”、“深玻璃桶中的液面”、“朝向向上的金属盒”、“朝向侧面的金属盒”、“朝向向下的金属盒”；
[0024]采集含关键特征的图片制作样本集，每类特征含，采用LabelImg工具对样本标注对应特征并命名分类，标注完成后LabelImg将被标注的图片转成含对应的图片名、目标类别名称、图像尺寸、目标框位置信息的.txt文件，生成训练与测试数据集。
[0025]其中，步骤三中构建视觉智能检测模型Dail
‑
Yolo v3模型的方法包括：
[0026]步骤A、以YOLO v3为基础，针对YOLO v3模型检测小目标语义信息丢失的问题，设计并行的空洞残差分支融合浅层特征；
[0027]步骤B、改进锚框尺寸匹配策略，加快小尺度目标的预测回归。
[0028]其中，步骤A包括；
[0029]在特征提取网络—Darknet53第36层设计了空洞残差分支替换原始上下采样通道，经空洞残差分支输出的特征与第36层输出融合，形成52*52小尺度的检测通道；
[0030]在空洞残差末端下采样后融合特征提取网络中层特征，形成26*26中尺度通道。
[0031]其中，步骤B包括：
[0032]使用K
‑
means算法对数据集重新聚类锚框，采用交并比作为距离损失指标；
[0033]将预测框与真实框的长宽比的乘积作为尺度影响项加入原始距离损失函数中，该项随锚框尺度自适应变化，以权衡训练过程中不同尺度目标对最终预测精度的影响，如下式所示：
[0034][0035]式中w
b
、h
b
分别为预测框的长度与高度，w
c
、h
c
为真实框的长度与高度，σ为Sigmoid变换，将括号中值映射为0
‑
1，式中为尺度信息项，λ为权重系数。
[0036]其中，步骤四中训练视觉智能检测模型Dail
‑
Yolo v3模型的方法包括：
[0037]训练的样本批尺寸设定为8，共300个迭代周期，训练的初始学习率设为0.001，学习率调整采用epoch
‑
decay策略，随迭代周期下降。
[0038]其中，步骤五中建立评分决策机制的方法包括：
[0039]探究液体内部压强相关因素实验除整理实验仪器外每个步骤均需要考生输入水深数值与U形管液面差，即该实验需严格按照实验步骤顺序进行；
[0040]在算法实现过程中，所有实验步骤同时开始检测，每个实验步骤设置开始信号与结束信号，当某一步骤的开始信号与结束信号均发生时，则该步骤得分；
[0041]当某一步骤的开始信号发生时，若该步骤前面步骤未发生开始信号或结束信号，
则前面步骤的得分设置为0，该步骤结束时仅检测后续步骤。
[0042]其中，所述步骤六中设计智能评分界面的方法包括：
[0043]采用python tkinter框架设计智能评分界面可视化评分过程；
[0044]界面功能包括：检测视频路径选择功能，检测目标实时可视化功能，得分信息展示功能。
[0045](三)有益效果
[0046]本专利技术所提供的一种基于机器视觉的探究液体内部压强相关因素实验评分系统，其有益效果是：
[0047]本专利技术针对人工评判考生实验操作得分存在客观性误差等问题，公开了一种基于机器视觉的探究液体内部压强相关因素实验评分系统，该方法可实现计算机快速准确地对考生的探究液体内部压强相关因素实验操作进行评分；该系统分为视觉检测模块、评分决策模块及界面可视化模块；首先根据实验要求确定视觉检测特征，形成评分方案；其次采集每个得分特征对应的图像进行标注制作图像本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器视觉的探究液体内部压强相关因素实验评分系统，包括如下步骤：步骤一：将探究液体内部压强相关因素实验划分成五个步骤，确定得分点并找出对应视觉判断特征，形成智能评分方案；步骤二：采集每个关键特征对应的图像，制备训练集与测试集；步骤三：以Yolo v3模型为基础，构建视觉智能检测模型Dail
‑
Yolo v3模型；步骤四：使用实验图像训练集对视觉检测模型Dail
‑
YOLO v3进行训练与测试；步骤五：根据评分方案与模型测试结果，建立智能评分决策机制；步骤六：设计智能评分界面、集成视觉检测算法、评分决策机制，形成智能评分系统；步骤七：选择考生实验操作视频，通过智能评分系统的视觉检测模块识别关键得分特征，由评分界面模块可视化目标信息；步骤八：根据智能评分系统的视觉检测模块反馈的检测目标信息，通过评分决策模块进行评判得分并保存所有得分详细信息至指定文件中。2.根据权利要求1所述的一种基于机器视觉的探究液体内部压强相关因素实验评分系统，其特征在于，步骤一中形成智能评分方案的具体方法包括：S1、U形管压强计金属盒朝向向下放入盛有水的深玻璃桶中某一深度，并记录；S2、改变金属盒三种朝向时，记录金属盒朝向与深度信息；S3、改变金属盒在水中所处的深度，并保持该深度不变，重复S2；S4、换用盐水，金属盒放置的深度与在水中的某次相同，重复步骤S2；S5、整理实验仪器。3.根据权利要求1所述的一种基于机器视觉的探究液体内部压强相关因素实验评分系统，其特征在于，步骤二中制备训练集与测试集的方法包括：根据评分方案总结出本实验需智能检测的关键特征，关键特征包括：“深玻璃桶(正视)”、“深玻璃桶(俯视)”、“深玻璃桶中的液面”、“朝向向上的金属盒”、“朝向侧面的金属盒”、“朝向向下的金属盒”；采集含关键特征的图片制作样本集，每类特征含，采用LabelImg工具对样本标注对应特征并命名分类，标注完成后LabelImg将被标注的图片转成含对应的图片名、目标类别名称、图像尺寸、目标框位置信息的.txt文件，生成训练与测试数据集。4.根据权利要求1所述的一种基于机器视觉的探究液体内部压强相关因素实验评分系统，其特征在于，步骤三中构建视觉智能检测模型Dail
‑
Yolo v3模型的方法包括：步骤A、以YOLO v3为基础，针对YOLO v3模型检测小目标语义信息丢失的问题，设计并行的空洞残差分支融合浅层特征；步骤B、改进锚框尺寸匹配策略，加快小尺度目标的预测回归。5...

【专利技术属性】
技术研发人员：孙可芯，刘建华，张国庆，张朋，张洁，
申请(专利权)人：东华大学，
类型：发明
国别省市：