[发明专利]一种基于改进Mask RCNN的汽车表面擦伤检测方法

说明书

本发明公开了一种基于改进Mask RCNN的汽车表面擦伤检测方法。它包含以下步骤：采集汽车表面擦伤图片，制作训练集和验证集；构建基于改进版Mask RCNN的深度学习网络模型；设置训练过程的权重初始化、超参数及优化器；将训练集输入步骤S2构建的模型进行训练；将验证集输入到训练好的模型中，计算模型的mAP值，当mAP值≥90％时，停止训练，保存模型，当mAP值＜90％时，回到步骤S3中重新进行超参数设置，然后进行步骤S4；将待检测的汽车擦伤图片输入到步骤S5中保存的深度学习模型进行推断，获得擦伤的位置、种类以及置信度。本发明能够有效地对汽车表面的擦伤进行检测，避免出现人工检测费时费力、线上人工审核精确度不高的问题，且其检测精度相对较高，实用性好。

技术领域

本发明属于表面擦伤图像识别技术领域，更具体的说，涉及一种基于改进MaskRCNN的汽车表面擦伤检测方法。

背景技术

随着社会经济的发展，不得不承认我们的生活方式也随之不断地变化着。人们的生活方式不断更新，汽车已经成为日常生活中不可或缺的一部分。汽车一般主要用于载运人员以及货物等等，使其能够快且方便地到达对应的地方，在当代环境下的使用已经极为广泛。

在日常使用过程中，汽车不可避免会出现一些擦伤现象，此时保险公司往往需要对擦伤区域进行鉴定。保险公司可以选择工作人员前往现场进行鉴定，也可以让用户上传相关图像进行线上人工审核。但选择工作人员前往现场进行鉴定耗费客户和公司的人力物力，特别是当客户处于外地时极其不方便；而选择用户上传相关图像进行线上人工审核则需要对图片的清晰度有较高的要求，给客户带来了不便。目前，已有采用计算机视觉技术对汽车表面擦伤进行检测，但传统的计算机视觉技术依赖于人为设计特征，而人为设计特征一般不具有鲁棒性，无法满足多变的现实情况，因此无法保证其检测精度。

经检索，关于图像识别技术的相关专利已有公开。如中国专利申请号为201910986317.X的申请案公开了一种基于Mask-RCNN的高分三号SAR图像道路检测方法，其包括以下步骤：S1：对样本SAR图像裁剪；S2：标记S1裁剪的子图图像、并生成JSON格式文件作为训练集；S3：根据Mask-RCNN理论模型，构建神经网络模型；S4：将S2训练集喂入S3构建的神经网络模型中，进行训练；S5：将待检测的SAR图像输入经过S4训练后的神经网络模型中，即可自动生成图像中道路信息。该申请案虽然也提供了一种图像检测方法，但是其图像检测效果并不理想，其检测方法有待进一步改进。

发明内容

1.要解决的问题

本发明的目的在于解决目前对汽车擦伤采用人工现场鉴定或网上上传图像进行线上人工审核都不方便，而传统的计算机视觉技术无法保证其检测精度的问题，提供了一种基于改进Mask RCNN的汽车表面擦伤检测方法。采用本发明的技术方案能够有效地对汽车表面的擦伤进行检测，避免出现人工检测费时费力、线上人工审核精确度不高的问题，且其检测精度相对较高，实用性好。

2.技术方案

为了解决上述问题，本发明所采用的技术方案如下：

本发明的一种基于改进Mask RCNN的汽车表面擦伤检测方法，具体包含以下步骤：

步骤S1：采集汽车表面擦伤图片，制作训练集和验证集；

步骤S2：构建基于改进版Mask RCNN的深度学习网络模型；

步骤S3：设置训练过程的权重初始化、超参数及优化器；

步骤S4：将步骤S1中制作的训练集输入步骤S2构建的网络模型进行训练；

步骤S5：将步骤S1中设置的验证集输入到步骤S4中训练好的模型中，计算模型的mAP值，当mAP值大于等于90％时，停止训练，保存模型；当mAP值小于90％时，回到步骤S3中重新进行超参数设置，然后继续进行步骤S4；