公开(公告)号：CN115457551A

公开(公告)日：2022-12-09

申请号：CN202210918858.0

申请日：2022-07-31

Applicant: 哈尔滨工业大学(威海)

Inventor： 刘雪云 ,  钟诗胜 ,  付旭云 ,  孙聪

IPC: G06V20/70 ,  G06V10/82 ,  G06V10/25 ,  G06V10/26 ,  G06V10/52 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种适用于小样本条件的叶片损伤识别方法，提出了基于Mask R‑CNN的分层混合检测网络结构组成、损失函数分析、训练以及预测流程。针对尺寸较小、出现频率较低、容易被忽略的对象(即损伤)，采取低IoU阈值分类与高IoU阈值目标分割训练，低置信度分类与高置信度目标分割混合识别策略，以获得更全面的检测结果。采取通过图像处理办法扩充样本数据集、输入端数据增强、引用COCO预训练权重、迁移学习等方法提高了损伤图像小样本训练的收敛速度和准确度。