(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 202211383489.6 (22)申请日 2022.11.07 (71)申请人 西安中科慧远 视觉技术有限公司 地址 710000 陕西省西安市高新区锦业路1 号都市之门D座10718室 (72)发明人 成泊翰　吴清泉　刘才钰　 (74)专利代理 机构 西安弘理专利事务所 61214 专利代理师 王奇 (51)Int.Cl. G01B 11/28(2006.01) G01N 21/88(2006.01) G06T 7/62(2017.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 测量板材表面待测量元素面积的测量系统、 方法及介质 (57)摘要 本申请公开了测量板材表面待测量元素面 积的测量系统、 方法及介质， 包括： 图像获取装 置、 照明装置、 输送装置、 控制装置和 处理装置； 其中， 处理装置用于生成控制指令给控制装置及 接收图像获取装置采集的图像数据， 并基于深度 学习的视觉注意力网络模型、 PANet网络模型和 YOLO检测头模型对所采集的待检测板材的表面 待测量元素的图像数据进行分析， 得到待检测板 材的表面待测量元素的实际物理尺 寸。 本申请能 够对板材表 面待测量元素面积进行测量， 为后续 的检测奠定基础， 极大提升了家具行业的智能化 水平。 权利要求书5页 说明书11页 附图5页 CN 115493532 A 2022.12.20 CN 115493532 A 1.一种测量板材表面待测量元 素面积的测量系统， 其特 征在于， 包括： 图像获取装置， 用于获取待检测板材 （4） 的表面待测量元素的图像， 其中， 所述 图像获 取装置包括相机 （1） ； 照明装置 （2） ， 用于提供所述待检测板材 （4） 的表面待测量元素图像获取所需的照明 光； 输送装置 （3） ， 用于将所述待检测板材 （4） 输送至所述图像获取装置以进行检测； 控制装置 （6） ， 用于控制所述照明装置 （2） 进行照明， 并控制所述相机 （1） 进行图像采 集； 以及 处理装置 （5） ， 用于生成控制指令给所述控制装置 （6） 及接收所述图像获取装置采集的 图像数据， 并基于深度学习的视觉注 意力网络模型、 PA Net网络模型和YOLO检测头模型对 所 采集的待检测板材 （4） 的表面待测量元素的图像数据进 行分析， 得到所述待检测板材 （4） 的 表面待测量元素的实际物理尺寸， 其中， 所述待检测板材 （4） 的表 面待测量元素的实际物理 尺寸包括所述待检测板材 （4） 的表面待测量元 素的面积。 2.根据权利要求1所述的测量系统， 其特 征在于， 所述处 理装置 （5） 包括： 图像数据建立模块， 用于建立缺陷板材图像数据集， 所述缺陷板材图像数据集包括含 有缺陷的板材图像和所述板材图像对应的人工标注缺陷的标记图像； 图像数据划分模块， 用于将所述 缺陷板材图像数据集随机划分为训练集和 测试集； 图像数据扩充模块， 用于利用旋转操作、 填充式裁剪操作或Mosaic增强操作扩充所述 训练集和所述测试集， 得到扩充后训练集和扩充后测试集； 第一张量格式转化模块， 用于将扩充后训练集和扩充后测试集进行张量格式转化， 得 到扩充后训练集张量和扩充后测试集张量； 模型训练模块， 用于利用扩充后训练集张量训练视觉注意力网络模型、 PANet网络模型 和YOLO检测头模 型， 得到训练后的视觉注 意力网络模 型、 训练后的PANet网络模 型和训练后 的YOLO检测头模型， 利用所述扩充后测试集评价所述训练后的视觉注意力网络模型、 训练 后的PANet网络模型和训练后的YOLO检测头模型的训练效果； 第二张量格 式转化模块， 用于将待检测板材 （4） 的图像进行张量格 式转化， 得到待检测 板材 （4） 的图像张量； 模型执行模块， 用于将所述待检测板材 （4） 的图像张量依次输入到所述训练后的视觉 注意力网络模 型、 所述训练后的PANet网络模 型和所述训练后的YOLO检测头模 型， 得到所述 待检测板材 （4） 的表面待测量元素的实际物理尺寸， 其中， 所述待检测 板材 （4） 的表面待测 量元素的实际物理尺寸包括所述待检测板材 （4） 的表面待测量元素 的置信度、 所述待检测 板材 （4） 的表面待测量元素的外接矩形的长度和所述待检测 板材 （4） 的表面待测量元素的 外接矩形的宽度； 表面待测量元素面积计算模块， 用于根据所述待检测板材 （4） 的表面待测量元素的实 际物理尺寸， 计算得到所述待检测板材 （4） 的表面待测量元 素的面积。 3.根据权利要求2所述的测量系统， 其特征在于， 所述利用所述旋转操作、 所述填充式 裁剪操作或所述Mosaic增强操作扩充所述训练集和所述测试集， 进一 步包括： 所述训练集和所述测试集中的所有图片均进行所述Mosaic增强操作得到Mosaic增强 操作后的图片；权　利　要　求　书 1/5 页 2 CN 115493532 A 2分别以0.5的概率将所述旋转操作或所述填充式裁剪操作施加在所述Mosaic增强操作 后的图片上， 得到所述扩充后训练集和所述扩充后测试集； 其中， 所述含有缺陷的板材图像和所述板材图像对应的人工标注缺陷位置的标记图像 需要经历相同的所述旋转操作、 所述 填充式裁 剪操作或所述Mosaic增强操作。 4.根据权利要求2所述的测量系统， 其特征在于， 所述利用扩充后训练集张量训练视觉 注意力网络模型、 PANet网络模型和YOLO检测头模型， 得到训练后的视觉注意力网络模型、 训练后的PANet网络模型和训练后的YOLO检测头模型进一 步包括： 所述视觉注意力网络模型包括依次连接的第一VAN ‑Small Stage模块、 第二VAN ‑Small  Stage模块、 第三V AN‑Small Stage模块和第四V AN‑Small Stage模块； 所述扩充后训练集张量输入到所述第一V AN‑Small Stage模块， 得到第一张量； 所述第一张量输入到所述第二V AN‑Small Stage模块， 得到第二张量； 所述第二张量输入到所述第三V AN‑Small Stage模块， 得到第三张量； 所述第三张量输入到所述第四V AN‑Small Stage模块， 得到第四张量。 5.根据权利要求4所述的测量系统， 其特征在于， 所述利用扩充后训练集张量训练视觉 注意力网络模型、 PANet网络模型和YOLO检测头模型， 得到训练后的视觉注意力网络模型、 训练后的PANet网络模型和训练后的YOLO检测头模型进一 步包括： 所述第二张量、 所述第三张量和所述第四张量输入到PANet网络模型， 得到第五张量、 第六张量和第七张量。 6.根据权利要求5所述的测量系统， 其特征在于， 所述利用扩充后训练集张量训练视觉 注意力网络模型、 PANet网络模型和YOLO检测头模型， 得到训练后的视觉注意力网络模型、 训练后的PANet网络模型和训练后的YOLO检测头模型进一 步包括： 所述第五张量、 所述第六张量和所述第七张量输入到 YOLO检测头模型， 得到第八张量。 7.根据权利要求6所述的测量系统， 其特征在于， 所述利用扩充后训练集张量训练视觉 注意力网络模型、 PANet网络模型和YOLO检测头模型， 得到训练后的视觉注意力网络模型、 训练后的PANet网络模型和训练后的YOLO检测头模型进一 步包括： 所述第八张量和所述扩充后训练集张量中的标记图像的张量输入到损失函数中， 得到 损失函数值； 其中， 所述损失函数L如下式： 其中， σ(xi)是Sigmo id函数， 表达式为： σ(xi)的值域为(0,1)； xi表示第八张量中的第 i个样本对应 的特征；yi表示第八张量对 应的标记图像的张量中的第 i个样本对应的特 征； N表示样本数； i为正整数， 1≤ i≤N。 8.根据权利要求7所述的测量系统， 其特征在于， 所述损失函数值反馈给所述视觉注意 力网络模 型、 所述PANet网络模 型和所述YOLO检测头模 型， 用以迭代调整所述视觉注 意力网 络模型、 所述PA Net网络模 型和所述Y OLO检测头模 型中的参数， 直至所述损失函数值收敛或权　利　要　求　书 2/5 页 3 CN 115493532 A 3