具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1为本发明实施例提供的一种金刚砂颗粒检测及计数方法的流程图。本发明提供了一种金刚砂颗粒检测及计数方法，包括：

S100、获取训练图片。

示例性地，训练图片可以通过图像采集系统拍摄大量金刚砂线的照片得到，在拍摄照片时需要采集多个不同形态、含有不同金刚砂数量的金刚砂线的图片，且每个形态以及金刚砂数量的金刚砂线都需要采集不同方向的照片，以将每个位置的金刚砂都采集到，以提升后续金刚砂颗粒检测和计数的准确度。同时，在拍照时，需要确保光照环境良好，每个金刚砂颗粒都能在照片中清洗识别，多次拍照时也需要确保光照环境一致和背景一致。

S101、对训练图片进行人工标注，标记训练图片中的金刚砂颗粒为单个或团聚。

示例性地，人工标注的目的就是把每张训练图片中的每个金刚砂颗粒的类别都标注出来，以使后续的模型训练在这些类别标注的基础上进行针对性训练，达到训练好的模型能够准确识别的目的。

S102、建立检测和计数网络模型。

示例性地，可以采用人工神经网络(Artificial Neural Network,ANN)、卷积神经网络(ConvolutionalNeural Network,CNN)、RBF(Radial Basis Function,径向基函数)神经网络、BP(BackPropagation,前馈)神经网络、YOLO(You Look Only Once)网络等。

S103、利用人工标记后的训练图片对检测和计数网络模型进行训练，获得训练好的检测和计数网络模型。

示例性地，由于标记后的训练图片含有金刚砂颗粒的图像信息以及对应的类别，因此在对网络模型进行训练时，可以使网络模型逐渐获得属于单个类别的金刚砂颗粒的特征，以及属于团聚类别的金刚砂颗粒的特征，进而对网络模型中的某些参数进行适应性调整，以使训练好的网络模型能够确定图片中的金刚砂颗粒的类别是个体还是团聚。

S104、获取待检测和计数的金刚砂线图片。

示例性地，待检测和计数的金刚砂线图片可以通过图像采集系统拍摄待检测的金刚砂线的照片得到，在拍摄照片时需要采集待检测和计数的金刚砂线在不同方向上的照片，以将每个位置的金刚砂都采集到，以提升后续金刚砂颗粒检测和计数的准确度。同时，在拍照时，需要确保光照环境良好，每个金刚砂颗粒都能在照片中清洗识别，多次拍照时也需要确保光照环境一致和背景一致。

S105、使用训练好的检测和计数网络模型确定待检测和计数的金刚砂线图片中金刚砂颗粒的类别为单个或团聚，并对每个类别中的金刚砂颗粒进行计数。

示例性地，训练好的检测和计数网络模型已经对不同类别的金刚砂颗粒进行了适应性调整，因此将待检测和计数的金刚砂线图片输入训练好的检测和计数网络模型后，其能够得到反应每个金刚砂颗粒的类别的结果。在得到类别结果后，还可以分别统计类别为单个的金刚砂颗粒的数量，以及类别为团聚的金刚砂颗粒的数量。

在一种可能的实施例中，S101、对训练图片进行人工标注，标记训练图片中的金刚砂颗粒为单个或团聚，包括：利用LabelImg工具对训练图片进行人工标注，标记训练图片中的金刚砂颗粒为单个或团聚。

示例性地，LabelImg是一个图形图像注释工具，采用Python编写而成，并采用Qt作为其图形界面。添加在图片上的注释以PASCALVOC格式保存为XML文件。

在一种可能的实施例中，S102、建立检测和计数网络模型，包括：建立YOLOv3网络模型，作为检测和计数网络模型。

示例性地，YOLOV3是YOLO系列目标检测算法的第三版，相比V2以及V1算法，V3算法对小目标的检测精度有明显提升。YOLOV3主干网络是Darknet-53，它使用K-means聚类算法自动生成9个anchor，并且使用类似金字塔网络概念预测了3个不同尺度的box，因此对像金刚砂颗粒这类小目标检测效果较好。

在一种可能的实施例中，S103、利用人工标记后的训练图片对检测和计数网络模型进行训练，获得训练好的检测和计数网络模型，包括：利用人工标记后的训练图片，对YOLOv3网络模型进行训练，修改YOLOv3网络模型的连接权重，得到新的YOLOv3网络模型；对新的YOLOv3网络模型进行测试，如果满足精度要求，则训练结束，获得训练好的检测和计数网络模型，否则再次对新的YOLOv3网络模型进行训练，直到满足精度要求。

示例性地，测试使用的图片为测试图片，测试图片和训练图片同时获得。在获取训练图片时，可以同时拍摄大量的图片，然后按照一定比例随机将所有的图片分为训练图片和测试图片。

本发明还提供了一种金刚砂颗粒检测及计数系统，如图2所示，包括：

图像采集装置，用于获取训练图片以及待检测和计数的金刚砂线图片；

数据标注模块，用于对训练图片进行人工标注，标记训练图片中的金刚砂颗粒为单个或团聚；

模型训练模块，用于建立检测和计数网络模型，并利用人工标记后的训练图片对检测和计数网络模型进行训练，获得训练好的检测和计数网络模型；

检测和计数模块，用于使用训练好的检测和计数网络模型识别待检测和计数的金刚砂线图片中金刚砂颗粒的类别，并对每个类别中的金刚砂颗粒进行计数。

在一种可能的实施例中，图像采集装置包括：工控机和工业相机；工控机用于控制工业相机获取训练图片以及待检测和计数的金刚砂线图片。

示例性地，工控机可以使用PLC(Programmable Logic Component,可编程器件)、MPU(Micro Processing Unit,微处理单元)、单片机等。工业相机具有配套的镜头。

在一种可能的实施例中，图像采集装置还包括：同轴点光源；同轴点光源用于为金刚石线提供光照。

示例性地，在使用图像采集装置拍摄照片时，需要确保同轴点光源处在拍摄场的固定位置，以使光照环境固定不变，提升处理结果的统一性。而且同轴点光源的数量可以为一个或者多个。

在一种可能的实施例中，同轴点光源为LED光源。

示例性地，LED即发光二极管，其具有功耗低、亮度高的特点，被广泛应用在照明设备中。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。