(19)中华 人民共和国 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 202111624206.8 (22)申请日 2021.12.28 (71)申请人 中国联合网络通信集团有限公司 地址 100033 北京市西城区金融大街21号 (72)发明人 胡晓航　张呈宇　贾捷　李董　 杨晓英　 (74)专利代理 机构 北京天昊联合知识产权代理 有限公司 1 1112 代理人 罗建民　杜丹丹 (51)Int.Cl. G06T 7/13(2017.01) G06T 7/11(2017.01) G06T 5/40(2006.01) G06T 5/00(2006.01) G06N 3/02(2006.01)G06K 9/62(2022.01) G06V 10/774(2022.01) (54)发明名称 样本粒度检测方法、 系统、 电子设备及存储 介质 (57)摘要 本公开提供一种样本粒度检测方法、 系统、 电子设备及计算机可读存储介质， 所述方法包 括： 获取包含多幅样本图像的数据集； 采用基于 距离变换的分水岭分割算法对处理后的数据集 做图像分割， 得到效果图； 对数据集中预先标注 标签的效果图进行预训练并迁移到无标注标签 效果图中提取特征以标注标签； 对 标签做数字形 态学处理， 划定正负实例， 完成标签重处理， 得到 训练集； 采用预设的网络模型对训练集训练， 模 型收敛时获得检测模型； 通过检测模 型估算待检 测样本的粒度。 本公开技术方案能解决粒度检测 过程中图像分割精度不高， 标注困难、 误差大的 问题； 可适应复杂环境的粒度检测， 鲁棒性强、 准 确率高。 权利要求书2页 说明书10页 附图4页 CN 114332144 A 2022.04.12 CN 114332144 A 1.一种样本粒度检测方法， 其特 征在于， 所述方法包括： 获取包含多幅样本图像的数据集； 采用基于距离变换的分水岭分割算法寻找种子点对数据集中的样本图像做图像分割， 得到数据集的效果图， 所述效果图包括预 先标注标签的效果图和无 标注标签的效果图； 对数据集中预先标注标签的效果图进行预训练， 并将预训练结果迁移到无标注标签的 效果图中提取 特征以为无 标注标签的效果图标注标签； 对所有效果图的标签做数字形态学处理， 并划定正负 实例， 完成标签重处理操作， 得到 训练集； 采用预设的网络模型对所述训练集进行训练， 并在网络模型收敛时获得检测模型； 通过所述检测模型估算待检测样本的粒度。 2.根据权利要求1所述的方法， 其特征在于， 所述获取包含多幅样本图像的数据集包 括： 采集各种预设情形 下的原始样本图像； 对采集到的原 始样本图像进行 灰度化降维和去噪预处 理， 得到数据集。 3.根据权利要求2所述的方法， 其特征在于， 所述对采集到的原始样本图像进行灰度化 降维和去噪预处 理包括： 采用加权平均法设置 权值对原 始样本图像进行 灰度化降维； 以及， 采用直方图均衡化增强灰度化降维后的整体样本图像的对比度， 再通过双边滤波算法 对增强对比度后的样本图像去噪。 4.根据权利要求2或3所述的方法， 其特征在于， 在对采集到的原始样本 图像进行灰度 化降维和去噪预处 理之后， 还 包括： 采用Hough变换检测直线的方法排除数据集中在设备空载运行状态下采集到的样本图 像； 以及， 采用帧间差分法排除数据集中在设备静止状态下采集到的样本图像。 5.根据权利要求1所述的方法， 其特征在于， 在得到数据集的效果图之后， 所述方法还 包括： 对所述数据集的效果图进行图像增强处理， 并将图像增强后的效果图补入所述数据集 中； 其中所述图像增强处理采用的方式包括： 图像缩放、 图像旋转、 图像镜像、 图像亮度调 整和图像对比度调整中的任意 一种或多种。 6.根据权利要求5所述的方法， 其特征在于， 所述对所有效果图的标签做数字形态学处 理， 并划定正负实例， 完成标签重处 理操作， 包括： 对无标注标签的效果图标注标签后生成的掩模图像， 采用膨胀算法按照多次计算的结 果选择向外扩充预设数量的像素点进行膨胀操作， 生成新的掩 模图像； 对所述新的掩模图像， 设置其中白色待检测物体边缘部分为正例、 膨胀操作后外扩的 预设数量像素点边界黑色边框及待检测物体本身为负例， 最外层灰色背景区域不涉及计 算， 至此完成标签重处 理的操作。 7.根据权利要求1所述的方法， 其特征在于， 所述预设的网络模型通过将原始U ‑Net网 络模型的通道数按预设比例进行削减， 并引入残差网络后得到； 对数据集中预先标注标签权　利　要　求　书 1/2 页 2 CN 114332144 A 2的效果图进行 预训练采用的算法为半监 督学习方法。 8.根据权利要求1或7 所述的方法， 其特 征在于， 所述方法还 包括： 在采用预设的网络模型对所述训练集进行训练时， 采用交叉熵损失函数和L2正则化构 建目标函数为 性能评价指标， 并采用Adam法优化 算法来最小化该目标函数。 9.一种样本粒度检测系统， 其特 征在于， 所述系统包括： 获取模块， 其设置为获取包 含多幅样本图像的数据集； 图像分割 模块， 其设置为采用基于距离变换的分水岭分割算法寻找种子点对数据集中 的样本图像做图像分割， 得到数据集的效果图， 所述效果图包括预先标注标签的效果图和 无标注标签的效果图； 迁移模块， 其设置为对数据集中预先标注标签的效果图进行预训练， 并将预训练结果 迁移到无 标注标签的效果图中提取 特征以为无 标注标签的效果图标注标签； 标签处理模块， 其设置为对所有效果图的标签做数字形态学处理， 并划定正负实例， 完 成标签重处 理操作， 得到训练集； 训练模块， 其设置为采用预设的网络模型对所述训练集进行训练， 并在网络模型收敛 时获得检测模型； 检测模块， 其设置为 通过所述检测模型估算待检测样本的粒度。 10.一种电子设备， 其特征在于， 包括存储器和处理器， 所述存储器中存储有计算机程 序， 当所述处理器运行所述存储器存储的计算机程序时， 所述处理器执行如权利要求 1‑8中 任一项所述的样本粒度检测方法。 11.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质上存储有计算机 程序， 所述计算机程序被处理器执行时实现如权利要求1 ‑8中任一项所述的样本粒度检测 方法。权　利　要　求　书 2/2 页 3 CN 114332144 A 3