[发明专利]烟丝异物识别方法及设备

权利要求书

1.一种烟丝异物识别方法，其特征在于，包括：

获取图像采集装置采集的烟丝图像；

对所述烟丝图像进行预处理；

根据预处理后的烟丝图像，基于预先训练的烟丝异物识别模型，得到对所述烟丝图像的识别结果；所述识别结果至少包括：所述烟丝图像中是否存在异物，异物类别和异物坐标位置。

2.根据权利要求1所述的方法，其特征在于，还包括：

获取掺杂有异物的烟丝图像作为样本数据，训练所述烟丝异物识别模型。

3.根据权利要求2所述的方法，其特征在于，所述训练所述烟丝异物识别模型，具体包括：

基于标注工具对所述样本数据进行标注；

采用深度神经网络目标检测框架建立所述烟丝异物识别模型；

将标注后的所述样本数据输入到所述烟丝异物识别模型；

基于所述烟丝异物识别模型对标注后的所述样本数据进行特征提取；

基于所述烟丝异物识别模型将提取后的特征进行特征融合，输出多个不同尺度的特征图；

对所述多个不同尺度的特征图，经过预测模块得到多个不同尺度的预测结果；所述预测结果至少包括：所述样本数据中是否存在异物，异物类别和异物坐标位置。

4.根据权利要求3所述的方法，其特征在于，所述基于标注工具对所述样本数据进行标注，具体包括：

使用最小外包矩形框标识所述样本数据中的异物；

以所述样本数据为基准建立坐标系，获取异物的中心点在所述坐标系中的坐标；

获取所述异物的最小外包矩形框的长度、宽度；

标识所述异物的种类。

5.根据权利要求3所述的方法，其特征在于，所述将标注后的所述样本数据输入到所述烟丝异物识别模型前，所述方法还包括：

基于图像遮挡、多图组合方式对标注后的所述样本数据进行图像增强。

6.根据权利要求3所述的方法，其特征在于，所述将标注后的所述样本数据输入到所述烟丝异物识别模型前，所述方法还包括：

对标注后的所述样本数据进行网格划分。

7.根据权利要求3所述的方法，其特征在于，所述基于所述烟丝异物识别模型对标注后的所述样本数据进行特征提取，具体包括：

将所述深度卷积神经网络基础层的特征映射划分为两部分，通过跨阶段层次结构将划分出的两部分特征映射进行合并，重复执行多次得到特征图。

8.根据权利要求3所述的方法，其特征在于，所述基于所述烟丝异物识别模型将提取后的特征进行特征融合，输出多个不同尺度的特征图，具体包括：

从所述深度卷积神经网络不同的主干层对不同的检测层进行参数聚合，提高特征提取的能力，输出多个不同尺度的特征图。

9.根据权利要求1所述的方法，其特征在于，所述对所述烟丝图像进行预处理，具体包括：

对高分辨率的所述烟丝图像进行分割；

对分割后的所述烟丝图像进行网格划分。

10.一种烟丝异物识别设备，其特征在于，包括：

处理器和存储器；

所述处理器与存储器通过通信总线相连接：

其中，所述处理器，用于调用并执行所述存储器中存储的程序；

所述存储器，用于存储程序，所述程序至少用于执行权利要求1-9任一项所述的一种烟丝异物识别方法。