[发明专利]一种基于深度学习的线缆顺序检测方法

权利要求书

1.一种基于深度学习的线缆顺序检测方法，其特征在于，包括以下步骤：

步骤1：首先对三色线缆图像进行灰度化，为后续顺序检测做基础；步骤2：对图像某一行的相邻像素点灰度值进行差分运算，选取一个阈值和差分结果比较，输出定位结果图；步骤3：针对三色线缆图像的特点，提出了简化的特征提取网络和优化的锚框、ELU激活函数对Faster R-CNN改进；步骤4：将改进后的Faster R-CNN算法进行线缆顺序检测，并统计准确率和检测时间；

所述的步骤3中对锚框做了一些优化，设计的锚框把线缆区域包括在里面，优化的锚框采用1:1.5、1:1、1:2的锚框提取目标区域特征。

2.根据权利要求1所述的一种基于深度学习的线缆顺序检测方法，其特征在于，所述的步骤2中，在三色线缆区域的灰度图中，取某一行像素点的灰度值，对这一行相邻的像素灰度值进行差分运算。

3.根据权利要求1所述的一种基于深度学习的线缆顺序检测方法，其特征在于，所述的步骤2中，设置阈值为5，统计出大于阈值5的像素点的坐标，最后输出大于阈值5的坐标并输出三色线缆区域的定位结果图。

4.根据权利要求1所述的一种基于深度学习的线缆顺序检测方法，其特征在于，所述的步骤3简化的特征提取网络，具体采用简化的共享卷积层网络来提取特征，分别删除了共享卷积层网络中卷积层3和卷积层4中的一个卷积层。

5.根据权利要求1所述的一种基于深度学习的线缆顺序检测方法，其特征在于，所述的步骤3，在FastR-CNN网络中，采用ELU函数代替ReLU函数。

6.根据权利要求1所述的一种基于深度学习的线缆顺序检测方法，其特征在于，线缆图片共4000张，将线缆图片分为两个图片集：2800张作为训练集，1200张作为测试集。