【技術實現步驟摘要】
本專利技術涉及視覺檢測，尤其是指一種多工件堆疊實時實例分割方法及其計算機儲存介質。
技術介紹
1、目前，工業實時生產對于實例分割的需求越來越迫切。然而，傳統的目標識別方法或兩階段的深度學習方法在工業混疊下的實力分割中存在一些問題，如效率低下和分割效果不理想。在制造業中，多工件堆疊實例分割方法的應用可以顯著提高自動化生產線的效率和靈活性。這種方法可以應用于工件分揀、組裝和自主上下料等工業場景，不僅可以提高生產效率和降低成本，還能減少對人工勞動力的需求，從而降低生產中發生人身意外傷害的風險，并提升制造業的競爭力。然而，由于實際工業場景中常常存在大量目標物的重疊遮擋以及不同目標的形狀和尺寸差異較大，傳統的視覺算法很難準確識別和分割每個目標的邊界和特征。
2、近年來，研究人員開始使用實例分割方法，如mask?r-cnn、yolact等，來對工業堆疊場景的目標進行實例分割。這種方法可以對不同的工件進行識別分類，并獲取每個目標的個體級別的分割掩碼，甚至像素級的實例分割，從而為后續的工業生產提供高效、有用的信息。然而，現有的實例分割方法雖然具有較高的識別和分割精度，但其普遍存在檢測速度慢等問題，無法滿足工業生產的實時性要求。
技術實現思路
1、本專利技術針對現有技術的問題提供一種多工件堆疊實時實例分割方法及其計算機儲存介質，設計巧妙，可快速對工件進行實例分割，又保證了檢測的精度，有助于提高生產效率、降低生產成本。
2、為了解決上述技術問題，本專利技術采用如下技術方案：p>
3、本專利技術還提供了一種多工件堆疊實時實例分割方法，其包括以下步驟：
4、步驟s10、采集圖像數據：獲取圖樣樣本；
5、步驟s20、制作數據集：對采集到的圖像樣本上進行目標實例的標注，為每個目標實例提供個體級別的分割掩碼；
6、步驟s30、訓練yolox-blendmask實例分割模型：使用步驟s20中制作的數據集對模型進行訓練，將圖像樣本輸入模型，計算輸出結果，并與標注的目標實例的分割掩碼進行比較，計算損失函數；然后根據損失函數，使用反向傳播算法更新模型的參數；
7、步驟s40、輸出目標實例的類別和分割掩碼。
8、其中，所述步驟s20中的制作數據集的方法包括以下步驟：步驟s21、標注目標實例：在采集到的圖像樣本上進行目標實例的標注，使用分割數據集標注工具，為每個目標實例提供個體級別的分割掩碼；分割掩碼地覆蓋目標實例的輪廓；
9、步驟s22、標注類別標簽：為每個目標實例分配相應的類別標簽；
10、步驟s23、數據集清洗和質量控制：在標注完成后，需要對標注結果進行質量控制和清洗，對標注結果進行審核和校驗，排除錯誤和不一致的標注；
11、步驟s24、數據集劃分：將標注完成的圖像樣本劃分為訓練集、驗證集和測試集。
12、其中，所述步驟s30中訓練yolox-blendmask實例分割模型的方法包括以下步驟：
13、步驟s31、模型初始化：對選擇的模型進行初始化；
14、步驟s32、損失函數選擇：根據實例分割任務的要求選擇對應的損失函數；
15、步驟s33、訓練過程并更新模型：使用步驟s20中制作的數據集對模型進行訓練，在每個訓練迭代中，將圖像樣本輸入模型，計算輸出結果，并與標注的目標實例分割掩碼進行比較，計算損失函數；然后根據損失函數的值，使用反向傳播算法更新模型的參數。
16、其中，所述步驟s30訓練yolox-blendmask實例分割模型的步驟中，進行參數調優，參數調優的方法為：在訓練過程中，使用一些優化算法和技巧對模型的參數進行調優。
17、其中，所述步驟s30訓練yolox-blendmask實例分割模型的步驟中，進行模型評估，模型評估的方法為：訓練過程中，使用驗證集對模型進行評估；根據評估結果，調整模型的參數和訓練策略。
18、其中，所述步驟s30訓練yolox-blendmask實例分割模型的步驟中，進行模型權重的保存和篩選：每種應用場景進行多次訓練，將每次訓練收斂的模型權重保存，最后，比較所保存的模型的實際應用性能，選擇效果最好的模型權重。
19、其中，所述yolox-blendmask實例分割模型采用基于yolox-tiny改進的yolox-ma模型與blendmask模型進行融合；所述yolox-ma模型是基于yolox-tiny所改進的目標檢測算法，yolox-ma模型使用一個3×3的卷積層來替代focus層；去掉了backbone中第2層、第3層和第4層resblock_body模塊中的cbs層以及使用resblock-m模塊替換掉csplayer模塊。
20、其中，分析csplayer模塊和resblock-m模塊的計算復雜度，采用浮點運算(flops)來計算兩個模塊的計算復雜度，用如下方式表示：
21、式中：d為所有卷積層的和，為第l個卷積層的輸出特征映射大小，為核大小的個數，cl-1和cl分別為輸入通道和輸出通道的個數；
22、以640x640和128通道的輸入特征層大小為例進行計算；
23、cspblock的flops為：
24、flops＝1602×12×128×64+1602×12×64×32+1602×32×32×64+
25、1602×12×128×64+1602×12×1282＝13.63×108resblock-m的flops為：
26、
27、其中，在resblock-m模塊后面添加了帶殘差網絡塊的auxiliary?network，用depthwise?separable?convolution替換neck模塊中的兩個卷積層。
28、本專利技術還提供了一種計算機儲存介質，所述計算機儲存介質儲存有計算機指令，所述計算機指令被調用時，用于所述的多工件堆疊實時實例分割方法。
29、本專利技術的有益效果：
30、本專利技術設計巧妙，對采集到的圖像樣本上進行目標實例的標注，以便于本專利技術的訓練和性能評估，通過對圖像中的目標、區域或特征進行標記和注釋，為算法提供準確的標簽和參考，分割掩碼應該準確地覆蓋目標實例的輪廓，以便算法能夠精確地識別和分割目標，yolox-blendmask實例分割模型的輸出結果是對輸入圖像中每個目標實例的像素級分割掩碼；對于每個目標實例，輸出結果中的分割掩碼將包含該實例的所有像素，可以精確地提取出每個目標實例的形狀和輪廓；同時，輸出結果還可以提供目標實例的類別標簽，以指示每個實例屬于哪個類別；本專利技術可快速對工件進行實例分割，又保證了檢測的精度，有助于提高生產效率、降低生產成本。
本文檔來自技高網...【技術保護點】
1.一種多工件堆疊實時實例分割方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種多工件堆疊實時實例分割方法，其特征在于，所述步驟S20中的制作數據集的方法包括以下步驟：
3.根據權利要求2所述的一種多工件堆疊實時實例分割方法，其特征在于，所述步驟S30中訓練YOLOX-BlendMask實例分割模型的方法包括以下步驟：
4.根據權利要求2所述的一種多工件堆疊實時實例分割方法，其特征在于，所述步驟S30訓練YOLOX-BlendMask實例分割模型的步驟中，進行參數調優，參數調優的方法為：在訓練過程中，使用一些優化算法和技巧對模型的參數進行調優。
5.根據權利要求2所述的一種多工件堆疊實時實例分割方法，其特征在于，所述步驟S30訓練YOLOX-BlendMask實例分割模型的步驟中，進行模型評估，模型評估的方法為：訓練過程中，使用驗證集對模型進行評估；根據評估結果，調整模型的參數和訓練策略。
6.根據權利要求2所述的一種多工件堆疊實時實例分割方法，其特征在于，所述步驟S30訓練YOLOX-BlendMask實例
7.根據權利要求1所述的一種多工件堆疊實時實例分割方法，其特征在于：所述YOLOX-BlendMask實例分割模型采用基于YOLOX-Tiny改進的YOLOX-MA模型與BlendMask模型進行融合；
8.根據權利要求7所述的一種多工件堆疊實時實例分割方法，其特征在于：分析CSPLayer模塊和ResBlock-M模塊的計算復雜度，采用浮點運算(FLOPs)來計算兩個模塊的計算復雜度，用如下方式表示：式中：D為所有卷積層的和，為第l個卷積層的輸出特征映射大小，為核大小的個數，Cl-1和Cl分別為輸入通道和輸出通道的個數；
9.根據權利要求7所述的一種多工件堆疊實時實例分割方法，其特征在于：在ResBlock-M模塊后面添加了帶殘差網絡塊的Auxiliary?Network，用Depthwise?SeparableConvolution替換Neck模塊中的兩個卷積層。
10.一種計算機儲存介質，所述計算機儲存介質儲存有計算機指令，所述計算機指令被調用時，用于執行如權利要求1-9任一項所述的多工件堆疊實時實例分割方法。
...【技術特征摘要】
1.一種多工件堆疊實時實例分割方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種多工件堆疊實時實例分割方法，其特征在于，所述步驟s20中的制作數據集的方法包括以下步驟：
3.根據權利要求2所述的一種多工件堆疊實時實例分割方法，其特征在于，所述步驟s30中訓練yolox-blendmask實例分割模型的方法包括以下步驟：
4.根據權利要求2所述的一種多工件堆疊實時實例分割方法，其特征在于，所述步驟s30訓練yolox-blendmask實例分割模型的步驟中，進行參數調優，參數調優的方法為：在訓練過程中，使用一些優化算法和技巧對模型的參數進行調優。
5.根據權利要求2所述的一種多工件堆疊實時實例分割方法，其特征在于，所述步驟s30訓練yolox-blendmask實例分割模型的步驟中，進行模型評估，模型評估的方法為：訓練過程中，使用驗證集對模型進行評估；根據評估結果，調整模型的參數和訓練策略。
6.根據權利要求2所述的一種多工件堆疊實時實例分割方法，其特征在于，所述步驟s30訓練yolox-blendmask實例分割模型的步驟中，進行模型權重的保存和篩選：每種應用場景進行多次訓練，將每...
【專利技術屬性】
技術研發人員：仇澤軍，梁健城，周芳青，董海飛，唐國華，
申請(專利權)人：東莞市德普特電子有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。