本發(fā)明涉及皮帶撕裂檢測(cè)，具體是一種基于語(yǔ)義分割的皮帶撕裂檢測(cè)方法及系統(tǒng)。

背景技術(shù)：

1、如今，分割技術(shù)的運(yùn)用越來(lái)越廣泛，對(duì)于想要得到的物體輪廓，通過分割技術(shù)，可以將其具體的輪廓精準(zhǔn)的分割出來(lái)。在檢測(cè)皮帶是否有撕裂的項(xiàng)目中，首先將皮帶上的激光線通過分割技術(shù)分割出來(lái)，然后通過判斷分割出來(lái)的激光線上是否有因皮帶撕裂而造成的凸起，從而達(dá)到檢測(cè)皮帶是否有撕裂的目的。有現(xiàn)有技術(shù)公開了通過采用編解碼神經(jīng)網(wǎng)絡(luò)對(duì)采集的激光線圖片進(jìn)行語(yǔ)義分割，從而實(shí)現(xiàn)皮帶上的激光線的分割，但是，在該方法中，當(dāng)采集到的激光線圖片的分辨率比較大時(shí)，需要編解碼神經(jīng)網(wǎng)絡(luò)分割處理的耗時(shí)就會(huì)過長(zhǎng)，無(wú)法做到實(shí)時(shí)對(duì)皮帶撕裂進(jìn)行檢測(cè)，這樣會(huì)出現(xiàn)還沒有將皮帶的撕裂點(diǎn)檢測(cè)出來(lái)，皮帶在轉(zhuǎn)動(dòng)的過程中，其上的皮帶撕裂點(diǎn)就已經(jīng)流走的情況，這樣會(huì)出現(xiàn)非常大的漏檢現(xiàn)象。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)上述缺陷，本發(fā)明提出了一種基于語(yǔ)義分割的皮帶撕裂檢測(cè)方法及系統(tǒng)，目的在于解決現(xiàn)有的通過采用編解碼神經(jīng)網(wǎng)絡(luò)對(duì)采集的激光線圖片進(jìn)行語(yǔ)義分割的方法中，當(dāng)采集到的激光線圖片的分辨率比較大時(shí)，需要編解碼神經(jīng)網(wǎng)絡(luò)分割處理的耗時(shí)就會(huì)過長(zhǎng)，無(wú)法做到實(shí)時(shí)對(duì)皮帶撕裂進(jìn)行檢測(cè)，從而導(dǎo)致出現(xiàn)漏檢的問題。

2、為達(dá)此目的，本發(fā)明采用以下技術(shù)方案：

3、一種基于語(yǔ)義分割的皮帶撕裂檢測(cè)方法，包括以下步驟：

4、步驟s1：建立模型訓(xùn)練數(shù)據(jù)集和u_net分割網(wǎng)絡(luò)模型；

5、步驟s2：使用模型訓(xùn)練數(shù)據(jù)集對(duì)u_net分割網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到訓(xùn)練后的u_net分割網(wǎng)絡(luò)；

6、步驟s3：獲取待處理的激光線圖片；

7、步驟s4：將待處理的激光線圖片進(jìn)行切片處理，得到若干激光線子圖片；

8、步驟s5：將若干激光線子圖片輸入訓(xùn)練后的u_net分割網(wǎng)絡(luò)模型進(jìn)行并行激光線輪廓分割處理，輸出對(duì)應(yīng)的二值化激光線輪廓分割圖；

9、步驟s6：對(duì)若干二值化激光線輪廓分割圖分別進(jìn)行輪廓提取，得到對(duì)應(yīng)的激光線輪廓，并在若干激光線輪廓上分別構(gòu)建凸包，得到對(duì)應(yīng)的激光線輪廓凸包；

10、步驟s7：選取每個(gè)激光線輪廓凸包上縱坐標(biāo)值最小的凸包點(diǎn)，以獲得皮帶撕裂點(diǎn)。

11、優(yōu)選地，在步驟s1中，建立模型訓(xùn)練數(shù)據(jù)集，具體包括以下子步驟：

12、步驟s11：采集400～600張激光線圖片以及建立一個(gè)空白文件；

13、步驟s12：使用標(biāo)注工具標(biāo)注每張激光線圖片中激光線的位置和類別名；

14、步驟s13：對(duì)每張激光線圖片創(chuàng)建一個(gè)json文件；

15、步驟s14：將每張激光線圖片中激光線的位置和類別名儲(chǔ)存于對(duì)應(yīng)激光線圖片的json文件；

16、步驟s15：將400～600張激光線圖片以及每張激光線圖片的json文件儲(chǔ)存于空白文件，以完成模型訓(xùn)練數(shù)據(jù)集的建立。

17、優(yōu)選地，在步驟s6中，對(duì)二值化激光線輪廓分割圖進(jìn)行輪廓提取，具體包括以下子步驟：

18、步驟s61：采用opencv的輪廓提取函數(shù)fingcontours()提取二值化激光線輪廓分割圖中的激光線輪廓集合conts＝{c1，c2，ci，…，cn}；

19、其中，ci表示第i個(gè)激光線輪廓，ci＝{topxi，topyi，bottomxi，bottomyi，si}，topxi表示第i個(gè)位置矩形框的左上角橫坐標(biāo)，topyi表示第i個(gè)位置矩形框的左上角縱坐標(biāo)，bottomxi表示第i個(gè)位置矩形框的右下角橫坐標(biāo)，bottomyi表示第i個(gè)位置矩形框的右下角縱坐標(biāo)，si表示第i個(gè)位置矩形框的面積；n表示二值化激光線輪廓分割圖中所有激光線輪廓的數(shù)目；

20、步驟s62：選取二值化激光線輪廓分割圖中的激光線輪廓集合conts中面積最大的激光線輪廓作為二值化激光線輪廓分割圖對(duì)應(yīng)的激光線輪廓。

21、優(yōu)選地，在步驟s6中，在激光線輪廓上構(gòu)建凸包，得到激光線輪廓凸包，具體包括以下子步驟：在激光線輪廓上通過opencv的凸包函數(shù)convexhull()計(jì)算得到激光線輪廓的凸包坐標(biāo)點(diǎn)點(diǎn)集。

22、本技術(shù)的另一方面提供了一種基于語(yǔ)義分割的皮帶撕裂檢測(cè)系統(tǒng)，所述系統(tǒng)包括：

23、第一建立模塊，用于建立模型訓(xùn)練數(shù)據(jù)集；

24、第二建立模塊，用于建立u?net分割網(wǎng)絡(luò)模型；

25、模型訓(xùn)練模塊，用于使用模型訓(xùn)練數(shù)據(jù)集對(duì)u?net分割網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到訓(xùn)練后的u?net分割網(wǎng)絡(luò)；

26、獲取模塊，用于獲取待處理的激光線圖片；

27、圖片切片模塊，用于將待處理的激光線圖片進(jìn)行切片處理，得到若干激光線子圖片；

28、輸入模塊，用于將若干激光線子圖片輸入訓(xùn)練后的u_net分割網(wǎng)絡(luò)模型進(jìn)行并行激光線輪廓分割處理；

29、輸出模塊，用于輸出對(duì)應(yīng)的二值化激光線輪廓分割圖；

30、輪廓提取模塊，用于對(duì)若干二值化激光線輪廓分割圖分別進(jìn)行輪廓提取，得到對(duì)應(yīng)的激光線輪廓；

31、構(gòu)建模塊，用于在若干激光線輪廓上分別構(gòu)建凸包，得到對(duì)應(yīng)的激光線輪廓凸包；

32、選取模塊，用于選取每個(gè)激光線輪廓凸包上縱坐標(biāo)值最小的凸包點(diǎn)，以獲得皮帶撕裂點(diǎn)。

33、優(yōu)選地，所述第一建立模塊包括：

34、采集子模塊，用于采集400～600張激光線圖片；

35、建立子模塊，用于建立一個(gè)空白文件；

36、標(biāo)注子模塊，用于使用標(biāo)注工具標(biāo)注每張激光線圖片中激光線的位置和類別名；

37、創(chuàng)建子模塊，用于對(duì)每張激光線圖片創(chuàng)建一個(gè)json文件；

38、第一儲(chǔ)存子模塊，用于將每張激光線圖片中激光線的位置和類別名儲(chǔ)存于對(duì)應(yīng)激光線圖片的json文件；

39、第二儲(chǔ)存子模塊，用于將400～600張激光線圖片以及每張激光線圖片的json文件儲(chǔ)存于空白文件，以完成模型訓(xùn)練數(shù)據(jù)集的建立。

40、優(yōu)選地，所述輪廓提取模塊包括：

41、提取子模塊，用于采用opencv的輪廓提取函數(shù)fingcontours()提取二值化激光線輪廓分割圖中的激光線輪廓集合conts＝{c1,c2,ci,…,cn}；

42、其中，ci表示第i個(gè)激光線輪廓，ci＝{topxi，topyi，bottomxi，bottomyi，si}，topxi表示第i個(gè)位置矩形框的左上角橫坐標(biāo)，topyi表示第i個(gè)位置矩形框的左上角縱坐標(biāo)，bottomxi表示第i個(gè)位置矩形框的右下角橫坐標(biāo)，bottomyi表示第i個(gè)位置矩形框的右下角縱坐標(biāo)，si表示第i個(gè)位置矩形框的面積；n表示二值化激光線輪廓分割圖中所有激光線輪廓的數(shù)目；

43、選取子模塊，用于選取二值化激光線輪廓分割圖中的激光線輪廓集合conts中面積最大的激光線輪廓作為二值化激光線輪廓分割圖對(duì)應(yīng)的激光線輪廓。

44、優(yōu)選地，所述構(gòu)建模塊包括：

45、計(jì)算子模塊，用于在激光線輪廓上通過opencv的凸包函數(shù)convexhull()計(jì)算得到激光線輪廓的凸包坐標(biāo)點(diǎn)點(diǎn)集。

46、本技術(shù)實(shí)施例提供的技術(shù)方案可以包括以下有益效果：

47、本方案通過將采集到激光線圖片切片成若干激光線子圖片，并使用訓(xùn)練后的unet分割網(wǎng)絡(luò)模型對(duì)所有激光線子圖片進(jìn)行并行激光線輪廓分割處理，得到每張激光線子圖片對(duì)應(yīng)的激光線輪廓分割圖。本方案相比于傳統(tǒng)的使用編解碼神經(jīng)網(wǎng)絡(luò)對(duì)一整張激光線圖片進(jìn)行激光線分割處理，能夠提高分割圖片中激光線輪廓的時(shí)效性，從而實(shí)現(xiàn)實(shí)時(shí)對(duì)皮帶撕裂進(jìn)行檢測(cè)，避免對(duì)皮帶的撕裂點(diǎn)出現(xiàn)漏檢的情況。