(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210609039.8 (22)申请日 2022.05.31 (71)申请人 征图新视 （江苏） 科技股份有限公司 地址 213161 江苏省常州市经开区西太湖 锦华路258- 6号 (72)发明人 都卫东　方志斌　张鹏　 (74)专利代理 机构 常州品益专利代理事务所 (普通合伙) 32401 专利代理师 王涵江 (51)Int.Cl. G06V 10/25(2022.01) G06V 10/40(2022.01) G06V 10/80(2022.01) G06V 10/26(2022.01) G06V 10/82(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) G06T 7/00(2017.01) (54)发明名称 基于双支路网络的工业图像感兴趣区域分 割算法 (57)摘要 本发明涉及一种基于双支路网络的工业图 像感兴趣区域分割算法， 包括以下步骤， S1、 收集 工业零件的图像数据集； S2、 按照不同质检要求， 对数据集进行感兴趣区域标注； S3、 对数据集进 行预处理和扩增并划分数据集； S4、 构建双支路 网络， 包括语义信息提取支路和空间信息提取支 路； 根据优化目标， 通过感兴趣区域标注数据集 对网络进行训练， 得到训练好的模型； S5、 将待测 工业图像输入训练好的模型中得到对于的感兴 趣区域分割图。 本发明采用双支路结构， 按照工 业零件的质量检测要求， 实时地将 工业图像划分 成多个感兴趣区域， 以便后续检测， 具有分割速 度快， 分割精度高， 能够替代人工提取感兴趣区 域， 降低产品质量评估 难度， 提高效率 等特点。 权利要求书2页 说明书5页 附图2页 CN 114863094 A 2022.08.05 CN 114863094 A 1.一种基于双支路网络的工业图像感兴趣区域分割算法， 其特 征在于： 包括以下步骤， S1、 收集工业 零件的图像数据集； S2、 按照不同质检要求， 对数据集进行感兴趣区域标注； S3、 对数据集进行 预处理和扩增并划分数据集； S4、 构建双支路网络， 包括语义信息提取支路和空间信息提取支路； 根据优化目标， 通 过感兴趣区域标注数据集对网络进行训练， 得到训练好的模型； S5、 将待测工业图像输入训练好的模型中得到对于的感兴趣区域分割图。 2.如权利要求1所述的基于双支路网络的工业图像感兴趣区域分割算法， 其特征在于： 所述的步骤S1中， 数据需要在检测平台上， 使用均匀恒定的光源进 行拍摄， 按照统一的格式 进行保存。 3.如权利要求1所述的基于双支路网络的工业图像感兴趣区域分割算法， 其特征在于： 所述的步骤S3中， 将采集到的工业图像进行去噪和 /或滤波操作， 并将图像进行切分， 调整 图像大小； 然后 将调整大小后得到的图像， 通过旋转、 翻转、 随机噪声和/或颜色变换来增强 数据并扩充数据集； 最后将扩增后的数据集按照8 :2的比例随机划分为训练集和 测试集。 4.如权利要求1所述的基于双支路网络的工业图像感兴趣区域分割算法， 其特征在于： 所述的步骤S4中， 包括以下步骤， S401、 空间信息提取支路包括3个卷积模块， 输入图像x经过空间信息提取支路的3个卷 积模块后得到的最终特 征图就是空间信息特 征图Y1； S402、 语义信息提取支路包括5个卷积模块， 输入图像x经过语义信息提取支路的5个卷 积模块后得到的最终特 征图就是语义信息特 征图Y2； S403、 空间信息特征图Y1和语义信息特征图Y2通过特征融合模块将二者向对方的特征 维度进行采样并进行点乘操作， 以此来融合 二者， 得到特 征图Y3； S404、 使用步长为1， 卷积核3x3的卷积模块对特征图Y3在通道层进行融合， 得到最终的 特征图Y； S405、 使用分割模块对特 征图Y进行分割预测； S406、 使用加权交叉熵损失函数来优化网络 。 5.如权利要求4所述的基于双支路网络的工业图像感兴趣区域分割算法， 其特征在于： 所述的步骤S403中， 空间信息特征图Y1使用均值池化下采样4倍得到特征图Y1 ’， 将Y1’与Y2 进行点乘获得新的融合特征Y12； 语义信息特征图Y2使用双线性差值进 行4倍上采样获得特 征图Y2’， 并将Y2’与Y1进行点乘获得新的融合特征Y21； 最终， 使用双 线性差值将Y12上采样 4倍， 再与Y21在通道维度进行拼接， 得到特 征图Y3。 6.如权利要求4所述的基于双支路网络的工业图像感兴趣区域分割算法， 其特征在于： 所述的S405中， 使用分割模块对特征图Y进行分割预测时， 先使用双线性差值将特征图Y上 采样到原图的分辨率， 再使用1x1xN的卷积层进行分割预测； 其中N为不同感兴趣区域的数 量。 7.如权利要求4所述的基于双支路网络的工业图像感兴趣区域分割算法， 其特征在于： 所述的S406中， 加权交叉熵损失函数公式为： 其中， N为感兴趣权　利　要　求　书 1/2 页 2 CN 114863094 A 2区域类别数， wi为i区域类别占总区域的比例的倒数， yi代表输入图像的真实标签， 表示网 络的预测结果。权　利　要　求　书 2/2 页 3 CN 114863094 A 3