一种改进U-Net的像素级语义分割及尺寸检测系统的制作方法
本发明涉及语义分割及尺寸检测,更具体地说,本发明涉及一种改进u-net的像素级语义分割及尺寸检测系统。
背景技术:
1、现有基于u-net的工业视觉系统,其核心症结在于像素级分类能力与工程级尺寸检测需求之间的根本割裂。一方面,u-net模型的编解码结构存在深层梯度消失、无注意力特征对齐等先天缺陷,导致目标边缘分割模糊;加之工业场景中背景与目标像素量极度失衡、固定尺寸裁剪易导致信息失真,使得模型在看懂像素类别时便已出现偏差,小占比目标极易被漏检。另一方面,即使模型完成了像素级分割,输出结果也仅仅停留于标签堆叠,并未建立向实际物理尺寸(如宽度、面积)的量化映射机制,更缺失基于预设阈值的智能超标判断逻辑。这种内部特征提不准与外部检测用不上的对立矛盾,迫使工厂依赖人工进行后续测量与判定,不仅效率低下,还因人为误差加剧了检测的不确定性,严重制约了自动化产线最终合格率的控制。
技术实现思路
1、为了克服现有技术的上述缺陷,本发明的实施例提供一种改进u-net的像素级语义分割及尺寸检测系统,以解决上述背景技术中提出的问题。
2、为实现上述目的,本发明提供如下技术方案:
3、一种改进u-net的像素级语义分割及尺寸检测系统,包括数据赋权模块、架构增强模块、训练优化模块、尺寸判定模块;
4、数据赋权模块,用于获取被测对象的原始图像与标注文件,以首张图像尺寸为基准统一缩放所有图像,并统计各类别像素全局占比,按占比由高至低反向分配训练加权参数;
5、架构增强模块,用于构建分段式特征提取网络,包括编码器、桥接层及解码器;
6、训练优化模块,用于将所述加权参数代入损失函数,配合adam优化器与梯度裁剪进行训练,输出分割模型;
7、尺寸判定模块,用于预设像素与实际物理尺寸的映射比例及目标阈值区间,利用所述分割模型推理提取目标轮廓的像素尺寸,按所述映射比例转换为实际物理值,并与所述目标阈值区间自动比对以生成判定结果及可视化检测图。
8、在一个优选地实施方式中,所述数据赋权模块中,以首张图像尺寸为基准统一缩放所有图像,具体为扫描输入目录下的所有原始图像及对应的像素级标注文件,剔除因文件损坏或标注格式不匹配的无效数据,读取经剔除后第一幅有效原始图像的高度与宽度,将所述高度与宽度设定为全局统一目标缩放尺寸;
9、对每一幅原始图像执行lanczos插值缩放,对每一幅标注文件执行nearest最近邻插值缩放。
10、在一个优选地实施方式中,所述数据赋权模块中,统计各类别像素全局占比,按占比由高至低反向分配训练加权参数,具体为遍历缩放后的所有有效标注图,统计类别总数和总像素数,遍历每个像素位置分类累计每个类别的像素总数,将每个类别的像素总数除以总像素数得到全局像素占比,按所述全局像素占比由高至低对全部类别执行降序排列,根据类别总数、总像素数及该类别像素总数计算并分配训练加权参数。
11、在一个优选地实施方式中,所述架构增强模块中,所述编码器的浅层设定普通卷积块,所述普通卷积块由连续的二维卷积层、批量归一化层及relu激活函数依次串联构成;
12、所述编码器的中高层将所述普通卷积块替换为残差块,所述残差块内部将卷积分支的输出与恒等映射分支的输入特征图执行逐元素相加操作;
13、所述编码器各层级的特征图尺寸缩减环节,采用步长为2的3×3卷积层取代最大池化层。
14、在一个优选地实施方式中,所述架构增强模块中,所述桥接层设置于编码器末端与解码器首端之间,为一个膨胀率为2的5×5空洞卷积层,将所述空洞卷积层的输出特征图与编码器末端的原始输出特征图执行逐元素相加,得到桥接层输出特征图;
15、所述解码器在上采样恢复空间分辨率的各阶段,在上采样操作之后、特征拼接之前引入注意力门机制,将编码器对应层级的跳连特征图和解码器上采样后特征图沿通道维度拼接,利用卷积层压缩通道数并施加sigmoid激活函数得到注意力权重图,将所述注意力权重图与原始跳连特征图执行逐元素相乘后与解码器上采样特征图拼接融合。
16、在一个优选地实施方式中,所述训练优化模块中,将批量输入的增强图像数组输入网络,输出每个像素位置分属各类别标签的概率分布,同时读取像素级真实标注图提取真实类别标签,将类别权重字典中各类对应的权重值代入加权稀疏交叉熵损失函数,计算当前批次平均损失值;
17、采用adam优化器对网络参数进行更新,初始学习率设为0.0005。
18、在一个优选地实施方式中,所述训练优化模块中,在每次参数更新之前,对网络参数的梯度执行l2范数裁剪,设定梯度裁剪阈值为1.0,当梯度l2范数大于所述阈值时对梯度向量进行缩放,使缩放后梯度范数等于所述梯度裁剪阈值。
19、在一个优选地实施方式中,所述尺寸判定模块中,在系统前端配置界面接收操作人员输入的像素-物理尺寸映射参数,设定基准方向上已知的实际物理长度值及其在图像上对应的像素长度值,两者相除得到像素当量值作为转换比例系数;
20、在所述配置界面设定目标物体的合格判定阈值,包括宽度阈值的上下限和面积阈值的上下限;
21、将待检测原始图像输入所述分割模型,输出预测分割掩膜图;
22、遍历所述预测分割掩膜图的所有像素,将类别标识与预设目标类别一致的像素点筛选组成二值化像素集合,执行基于8邻域连通规则的连通域标记操作得到若干个连通区域,针对每个连通区域提取最小外接矩形边界框,计算像素宽度值与像素面积值。
23、在一个优选地实施方式中,所述尺寸判定模块中,将像素宽度值与所述转换比例系数相乘得到实际物理宽度值,将像素面积值与转换比例系数的平方相乘得到实际物理面积值;
24、将实际物理宽度值与预设宽度阈值区间进行比较,将实际物理面积值与预设面积阈值区间进行比较,仅当宽度与面积两项判定结论均为合格时标记综合判定为合格,其余情况均判定为不合格。
25、在一个优选地实施方式中,所述尺寸判定模块中,在原始图像上以最小外接矩形边界框坐标为绘图位置绘制矩形边框,边框颜色设定为绿色表示合格,红色表示不合格,在矩形边框区域叠加绘制包含实测宽度数值及综合判定结论的文本行,输出可视化检测图。
26、本发明的技术效果和优点:
27、1、本发明针对传统u-net在工业检测中像素级分类能力与物理尺寸检测需求之间相互割裂的现实问题,通过以首张图像尺寸为基准统一缩放并差异化处理图像与标注,结合按像素占比逆向分配训练权重的策略,从数据源头消除类别失衡和标注失真带来的偏差,构建融合残差连接、卷积步长下采样、空洞卷积及注意力门的分段式网络,从根本上解决梯度消失、边缘模糊和特征对齐差的问题,大幅提升小占比目标的边缘分割精度。
28、2、本发明在分割输出后建立像素至物理尺寸的精准映射与区间阈值比对逻辑,将模型的像素识别能力直接转化为实际物理尺寸的自动化达标判定,将模型固化于带元数据的onnx格式并全流程记录参数与日志,确保工程可追溯性,实现从原始图像输入到超标判断输出的端到端自动化检测闭环。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com