[发明专利]基于机器学习的管径判断方法及终端设备

权利要求书

1.一种基于机器学习的管径判断方法，其特征在于，该方法包括：

分别获取预设的m种型号的管道中每一种型号的管道所对应的图像，得到图像集，其中，针对预设的m种型号的管道中的任一种型号的管道，所述型号的管道对应多张图像，所述m种型号的管道种任意两种型号的管道的管径大小不同；

针对所述图像集中的任一图像，获取所述图像所对应的标签，所述标签用于表示所述图像中管道的型号，得到训练集；

通过所述训练集对预设分类模型进行训练，得到分类器；

将待分类管道的图像输入所述分类器，获得所述图像中管道的型号，并根据所述管道的型号得到所述管道的管径大小。

2.根据权利要求1所述的基于机器学习的管径判断方法，其特征在于，所述将待分类管道的图像输入所述分类器之前，该方法还包括：

将所述待分类管道的图像进行灰度变换、中值滤波、模糊增强和阈值化处理。

3.根据权利要求1或2所述的基于机器学习的管径判断方法，其特征在于，该方法还包括：

构建m(m-1)/2个判别函数，得到所述预设分类模型，其中，针对预设的m种型号的管道中的任一种型号的管道，所述型号的管道对应(m-1)个判别函数，针对任一判别函数，所述判别函数用于判别所述m种型号中的两种型号，任意两个判别函数所对应的两种型号不完全相同。

4.根据权利要求3所述的基于机器学习的管径判断方法，其特征在于，所述将待分类管道的图像输入所述分类器，获得所述图像中管道的型号包括：

分别为所述m(m-1)/2个判别函数中的每个判别函数设置优先级，并按照优先级由大到小的顺序对所述m(m-1)/2个判别函数进行排序，得到判别函数队列；

通过所述判别函数队列中的判别函数对所述待分类管道的图像进行判别，得到所述图像中管道的型号。

5.根据权利要求4所述的基于机器学习的管径判断方法，其特征在于，所述通过所述判别函数队列中的判别函数对所述待分类管道的图像进行判别，得到所述图像中管道的型号包括：

按照所述判别函数队列中的判别函数的顺序，依次调用队列中的判别函数对所述待分类管道的图像进行判别，若队列中的第一个判别函数无法对所述待分类管道的图像进行判别，则调用队列中的第二个判别函数对所述待分类管道的图像进行判别，直至确定得到判别结果的第一判别函数；

若所述第一判别函数对所述待分类管道的图像的判别结果为所述m种型号中的第一型号，则确定所述第一判别函数所对应的第二型号，并将所述判别函数队列中的所有用于判别所述第二型号的判别函数删除，由余下的判别函数对所述待分类管道的图像进行第二轮判别，直至得到所述待分类管道的图像中的管道的类型。

6.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述方法的步骤。

7.一种终端设备，其特征在于，所述终端设备包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如下步骤：

分别获取预设的m种型号的管道中每一种型号的管道所对应的图像，得到图像集，其中，针对预设的m种型号的管道中的任一种型号的管道，所述型号的管道对应多张图像，所述m种型号的管道种任意两种型号的管道的管径大小不同；

针对所述图像集中的任一图像，获取所述图像所对应的标签，所述标签用于表示所述图像中管道的型号，得到训练集；

通过所述训练集对预设分类模型进行训练，得到分类器；

将待分类管道的图像输入所述分类器，获得所述图像中管道的型号，并根据所述管道的型号得到所述管道的管径大小。

8.根据权利要求7所述的终端设备，其特征在于，该终端设备还用于：

将所述待分类管道的图像进行灰度变换、中值滤波、模糊增强和阈值化处理。