[发明专利]玩具模型质量检测方法及其系统

权利要求书

1.一种玩具模型质量检测方法，其特征在于，包括：

获取待检测玩具模型的多个视角图像；

将所述多个视角图像分别通过作为过滤器的卷积神经网络模型以得到多个视角图像特征向量；

将所述多个视角图像特征向量通过基于深度神经网模型的视角间一致性提取器以得到视角间一致性语义表达特征向量；

计算所述多个视角图像特征向量中任意两个视角图像特征向量之间的协方差矩阵以得到多个协方差矩阵；

计算所述多个协方差矩阵中各个协方差矩阵的全局均值以得到视角间差异性语义表达特征向量；

融合所述视角间一致性语义表达特征向量和所述视角间差异性语义表达特征向量以得到分类特征向量；以及

将所述分类特征向量通过分类器以得到分类结果，所述分类结果用于表示待检测玩具模型的成型质量是否符合标准。

2.根据权利要求1所述的玩具模型质量检测方法，其特征在于，将所述多个视角图像分别通过作为过滤器的卷积神经网络模型以得到多个视角图像特征向量，包括：使用所述作为过滤器的卷积神经网络模型的各层在层的正向传递中分别对输入数据进行：

对所述输入数据进行卷积处理以得到卷积特征图；

对所述卷积特征图进行基于特征矩阵的均值池化处理以得到池化特征图；以及

对所述池化特征图进行非线性激活以得到激活特征图；

其中，所述作为过滤器的卷积神经网络模型的最后一层的输出为所述多个视角图像特征向量，所述作为过滤器的卷积神经网络模型的第一层的输入为所述多个视角图像。

3.根据权利要求2所述的玩具模型质量检测方法，其特征在于，所述视角间一致性编码器为由多个全连接层组成的深度全连接网络模型。

4.根据权利要求3所述的玩具模型质量检测方法，其特征在于，融合所述视角间一致性语义表达特征向量和所述视角间差异性语义表达特征向量以得到分类特征向量，包括：

计算所述视角间一致性语义表达特征向量和所述视角间差异性语义表达特征向量的联合高斯密度图，所述联合高斯密度图的均值向量为所述视角间一致性语义表达特征向量和所述视角间差异性语义表达特征向量之间的按位置均值向量，所述联合高斯密度图的协方差矩阵为所述视角间一致性语义表达特征向量和所述视角间差异性语义表达特征向量的按位置方差构成的协方差矩阵；

分别计算所述视角间一致性语义表达特征向量和所述视角间差异性语义表达特征向量与所述联合高斯密度图的高斯概率密度分布距离指数以得到第一高斯概率密度分布距离指数和第二的高斯概率密度分布距离指数；

以所述第一高斯概率密度分布距离指数和所述第二的高斯概率密度分布距离指数分别作为权重，对所述视角间一致性语义表达特征向量和所述视角间差异性语义表达特征向量进行加权以得到校正后视角间一致性语义表达特征向量和校正后视角间差异性语义表达特征向量；以及

融合所述校正后视角间一致性语义表达特征向量和所述校正后视角间差异性语义表达特征向量以得到所述分类特征向量。

5.根据权利要求4所述的玩具模型质量检测方法，其特征在于，计算所述视角间一致性语义表达特征向量和所述视角间差异性语义表达特征向量的联合高斯密度图，包括：以如下联合公式计算所述视角间一致性语义表达特征向量和所述视角间差异性语义表达特征向量的联合高斯密度图；

其中，所述公式为：

其中，表示计算所述视角间一致性语义表达特征向量和所述视角间差异性语义表达特征向量之间的按位置均值向量，且的每个位置的值表示所述视角间一致性语义表达特征向量和所述视角间差异性语义表达特征向量中各个位置的特征值之间的方差。