基于Mask-RCNN的自训练固废识别方法及装置

    公开(公告)号:CN117194969A

    公开(公告)日:2023-12-08

    申请号:CN202310774838.5

    申请日:2023-06-28

    Abstract: 本发明提供一种基于Mask‑RCNN的自训练固废识别方法,包括步骤S1、将采集的固废样本分为已标注和未标注两类;步骤S2、利用训练集对Mask‑RCNN模型进行预训练,得到识别模型;步骤S3、利用识别模型对测试集中进行预测,若某物体的置信度小于第一阈值,则不对该物体进行标签,否则进行标签;步骤S4、对经过第一阈值筛选后的样本再次进行判断,若每个物体的置信度均大于等于第二阈值,则将该样本放入训练集中,否则放入未标注数据集中;步骤S5、再次进入步骤S2和步骤S3,利用更新后的训练集对Mask‑RCNN模型进行预训练和更新后的未标注数据集进行预测。本发明能够实现有效样本的数据增强,进而帮助实现高效、准确的固废分类识别。

    一种基于深度学习的再生骨料砂浆含量检测方法及装置

    公开(公告)号:CN114757948A

    公开(公告)日:2022-07-15

    申请号:CN202210664982.9

    申请日:2022-06-14

    Abstract: 本发明公开了一种基于深度学习的再生骨料砂浆含量检测方法及装置,属于深度学习的视觉检测领域,采用混合有纯骨料和纯砂浆的第一数据集训练图像分割模型,得到基础模型;使其第二数据集进行分割,获得第三数据集;将第一数据集、第三数据集和第四数据集合并打乱,得到第五数据集,将其用于训练基于deeplab的语义分割模型,得到最终模型;获取待检测再生骨料的不同表面的图像并通过最终模型分割,得到第二分割结果后计算出砂浆含量和连通域面积占比;获取标准骨料的吸水率与砂浆含量和连通域面积占比之间的关系,根据该关系以及砂浆含量和连通域面积占比计算出待检测再生骨料的吸水率,解决无法实时检测再生骨料的性能,检测效率低等问题。

Patent Agency Ranking