一种钻石纯度检测方法及系统技术方案

本发明专利技术涉及图像处理技术领域，解决了现有的钻石纯度检测结果不够精准的技术问题，尤其涉及一种钻石纯度检测方法，包括：获取待检测钻石不同深度的光学图像并进行预处理，得到预处理后钻石图像；从预处理后钻石图像的中心以预设角度向外发出

【技术实现步骤摘要】
一种钻石纯度检测方法及系统


[0001]本专利技术涉及图像处理
，尤其涉及一种钻石纯度检测方法及系统
。

技术介绍

[0002]钻石内含物的类别
、
位置以及数量是影响钻石纯度级别的主要因素，而钻石纯度级别直接决定了钻石的价值，因此，对钻石纯度进行准确检测已成为市场的普遍需求
。
[0003]目前，现有的钻石纯度检测方法往往是通过光学相干层析成像技术对钻石内部结构无创成像，再根据所采集的钻石图片检测钻石内含物的位置及数量，但是，在采集钻石图片时易于受成像环境
、
光照变化
、
光的反射折射等因素的影响，致使钻石图片质量较差，另外，钻石内含物的类别繁多且某些内含物极其微小，从而导致钻石纯度检测效果不够精准
。

技术实现思路

[0004]针对现有技术的不足，本专利技术提供了一种钻石纯度检测方法及系统，解决了现有的钻石纯度检测结果不够精准的技术问题，达到了提高钻石纯度检测效果的目的
。
[0005]为解决上述技术问题，本专利技术提供了如下技术方案：一种钻石纯度检测方法，包括以下步骤：
[0006]S1、
获取由图像采集设备所采集的待检测钻石不同深度的光学图像；
[0007]S2、
对待检测钻石不同深度的光学图像进行预处理，得到预处理后钻石图像；
[0008]S3、
从所述预处理后钻石图像的中心以预设角度向外发出
M
条射线对所述预处理后钻石图像进行分割得到分割图，并对所有分割图顺时针进行不同角度的旋转，得到钻石结构一致的
M
个待检测子图；
[0009]S4、
将
M
个所述待检测子图输入到预先构建的金字塔型检测网络模型中进行特征学习，获得与所述待检测子图对应的检测结果；
[0010]S5、
将所述检测结果整合到所述预处理后钻石图像上，得到钻石纯度检测结果
。
[0011]进一步地，所述步骤
S2
具体包括：
[0012]S21、
根据多聚焦图像融合算法对同一钻石不同深度的光学图像进行融合，得到融合图像；
[0013]S22、
根据边缘检测算法针对所述融合图像检测出钻石边缘并沿着钻石边缘向外扩充
N
个像素，得到扩充图像；
[0014]S23、
将所述扩充图像再次向外扩充形成所述扩充图像的外切正方形图并将再次扩充的区域设置为黑色，得到去除背景信息噪音的预处理后钻石图像
。
[0015]进一步地，在步骤
S4
中，所述金字塔型检测网络模型的构建步骤包括：
[0016]获取若干带有标签的预处理后钻石图像作为训练数据集，其中，所述标签是由人工根据内含物的类型和位置进行的标注；
[0017]构建以深度残差网络为底层网络的金字塔型检测网络模型；
[0018]根据所述训练数据集对所述金字塔型检测网络进行训练，得到金字塔型检测网络
模型
。
[0019]进一步地，所述步骤
S4
具体包括：
[0020]S41、
对所述预处理后钻石图像从最底层卷积层向上逐层卷积提取特征，得到不同分辨率的特征集
{C2,C3,C4,C5}
；
[0021]S42、
通过
1x1
卷积层作用在
C5
上生成低分辨率特征图
P5
，同时通过
1x1
卷积层作用在
{C4,C3,C2}
和上采样作用在
{P5,P4,P3}
，依次生成高分辨率特征图
{P4,P3,P2}
；
[0022]S43、
在特征图
{P5,P4,P3,P2}
上采用
{1:1,1:2,2:1}
三种比率的框，得到与所述待检测子图对应的检测结果
。
[0023]进一步地，所述检测结果包括内含物类别和检测框，所述检测框指的是包含内含物的矩形坐标区域
。
[0024]本专利技术还提供了一种技术方案：一种用于实现一种钻石纯度检测方法的系统，包括：
[0025]图像获取模块，所述图像获取模块用于获取由图像采集设备所采集的待检测钻石不同深度的光学图像；
[0026]图像预处理模块，所述图像预处理模块用于对待检测钻石不同深度的光学图像进行预处理，得到预处理后钻石图像；
[0027]图像分割模块，所述图像分割模块用于从所述预处理后钻石图像的中心以预设角度向外发出
M
条射线对所述预处理后钻石图像进行分割得到分割图，并对所有分割图顺时针进行不同角度的旋转，得到钻石结构一致的
M
个待检测子图；
[0028]内含物检测模块，所述内含物检测模块用于将
M
个所述待检测子图输入到预先构建的金字塔型检测网络模型中进行检测，获得与所述待检测子图对应的检测结果；
[0029]整合模块，所述整合模块用于将所述检测结果整合到所述预处理后钻石图像上，得到钻石纯度检测结果
。
[0030]进一步地，还包括检测网络模型构建模块；
[0031]所述检测网络模型构建模块用于获取若干带有标签的预处理后钻石图像作为训练数据集；构建以深度残差网络为底层网络的金字塔型检测网络模型；根据所述训练数据集对所述金字塔型检测网络进行训练，得到训练好的金字塔型检测网络模型
。
[0032]借由上述技术方案，本专利技术提供了一种钻石纯度检测方法及系统，至少具备以下有益效果：
[0033]1、
本专利技术通过多聚焦图像融合算法将同一颗待检测钻石不同深度的光学图像融合为一张能够同时显示所有内含物的融合图像，接着使用边缘检测算法自动找到钻石主体并去除钻石背景噪音得到预处理后钻石图像，然后进行切割与旋转得到钻石结构一致的多个待检测子图，在相同输入的情况下，提高了内含物的信息，并降低了检测难度，最后将待检测子图输入金字塔型的检测网络模型进行特征学习，能够快速准确的检测出钻石内含物的类型及位置，从而提高了钻石纯度检测精准度及检测效率
。
[0034]2、
本专利技术通过构建以深度残差网络
101
为底层网络的金字塔型检测网络模型，使用了横向链接进行高分辨率信息共享，使用纵向上采样进行高层语义信息共享，可获得多层不同分辨率的特征图，提升了对小目标物体的检测精度，还增强了检测网络模型的鲁棒性
。
附图说明
[0035]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定
。
在附图中：
[0036]图1为本专利技术提供的钻石纯度检测方法的流程图；
...

【技术保护点】

【技术特征摘要】
1.
一种钻石纯度检测方法，其特征在于，包括以下步骤：
S1、
获取由图像采集设备所采集的待检测钻石不同深度的光学图像；
S2、
对待检测钻石不同深度的光学图像进行预处理，得到预处理后钻石图像；
S3、
从所述预处理后钻石图像的中心以预设角度向外发出
M
条射线对所述预处理后钻石图像进行分割得到分割图，并对所有分割图顺时针进行不同角度的旋转，得到钻石结构一致的
M
个待检测子图；
S4、
将
M
个所述待检测子图输入到预先构建的金字塔型检测网络模型中进行特征学习，获得与所述待检测子图对应的检测结果；
S5、
将所述检测结果整合到所述预处理后钻石图像上，得到钻石纯度检测结果
。2.
根据权利要求1所述的钻石纯度检测方法，其特征在于，所述步骤
S2
具体包括：
S21、
根据多聚焦图像融合算法对同一钻石不同深度的光学图像进行融合，得到融合图像；
S22、
根据边缘检测算法针对所述融合图像检测出钻石边缘并沿着钻石边缘向外扩充
N
个像素，得到扩充图像；
S23、
将所述扩充图像再次向外扩充形成所述扩充图像的外切正方形图并将再次扩充的区域设置为黑色，得到去除背景信息噪音的预处理后钻石图像
。3.
根据权利要求1所述的钻石纯度检测方法，其特征在于，在步骤
S4
中，所述金字塔型检测网络模型的构建步骤包括：获取若干带有标签的预处理后钻石图像作为训练数据集，其中，所述标签是由人工根据内含物的类型和位置进行的标注；构建以深度残差网络为底层网络的金字塔型检测网络模型；根据所述训练数据集对所述金字塔型检测网络进行训练，得到训练好的金字塔型检测网络模型
。4.
根据权利要求3所述的钻石纯度检测方法，其特征在于，所述步骤
S4
具体包括：
S41、
对所述预处理后钻石图像从最底层卷积层向上逐层卷积提取特征，得到不同分辨率的特征集
{C2,C3,C4,C5}
；
S42、
通过
1x1
卷积层作用在
C5
上生成低分辨率特征图
P5
，同时通过

【专利技术属性】
技术研发人员：宋艳枝，张嘉骏，
申请(专利权)人：合肥高斯智能科技有限公司，
类型：发明
国别省市：