(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211126941.0 (22)申请日 2022.09.16 (65)同一申请的已公布的文献号 申请公布号 CN 115200784 A (43)申请公布日 2022.10.18 (73)专利权人 福建 （泉州） 哈工大工程 技术研究 院 地址 362000 福建省泉州市丰泽区软件园9 号楼 (72)发明人 王政　李瑞峰　连超铭　赵紫阳　 汤思榕　张陈涛　梁培栋　 (74)专利代理 机构 泉州君典专利代理事务所 (普通合伙) 35239 专利代理师 杜慧真 (51)Int.Cl. G01M 3/00(2006.01) G06N 3/04(2006.01) G06V 10/774(2022.01)G06V 10/80(2022.01) G06V 10/82(2022.01) (56)对比文件 CN 108520219 A,2018.09.1 1 CN 114612883 A,202 2.06.10 CN 112085148 A,2020.12.15 US 2021116076 A1,2021.04.2 2 CN 112580664 A,2021.0 3.30 肖丹东等.改进S SD的交通标志目标检测算 法. 《软件导刊》 .2020,第19卷(第0 5期),第48- 51 页. 白美丽等.一种改进的用于服装解析的自监 督网络学习方法. 《纺织高校基础科 学学报》 .2019,第32卷(第04期),第385 -392页. 蒋新强.巡 检机器人输煤栈桥智能识别应 用. 《工业控制计算机》 .2021,第34卷(第08 期), 第83-86页. 审查员 仝娜 (54)发明名称 基于改进SSD网络模型的漏粉检测方法、 装 置及可读介质 (57)摘要 本发明公开了一种基于改进SSD网络模 型的 漏粉检测方法、 装置及可读介质， 涉及漏粉检测 领域， 通过构建漏粉检测模型， 漏粉检测模型包 括改进SSD网络模型， 其中， 改进SSD网络模型包 括改进VGG基础网络、 改进 额外卷积层、 多尺度检 测层和非极大值抑制层， 改进VGG基础网络为在 VGG16网络的每个卷积块中增加ASPP网络所构 成， 改进额外卷积层为在四个卷积层均插入即插 即用模块并构建成特征金字塔结构所构成； 对漏 粉检测模型进行训练， 得到经训练的漏粉检测模 型； 获取待检测图像， 将待检测图像输入经训练 的漏粉检测模型， 得到检测结果。 该方法识别精 度更高， 模型泛化能力更 强， 实时性更 强， 并且可 降低人工成本， 可解决现有技术中漏粉检测人工成本高、 精度低等问题。 权利要求书2页 说明书8页 附图4页 CN 115200784 B 2022.12.02 CN 115200784 B 1.一种基于改进S SD网络模型的漏粉检测方法， 其特 征在于， 包括以下步骤： S1， 构建漏粉检测模型， 所述漏粉检测模型包括改进SSD网络模型， 其中， 所述改进SSD 网络模型包括改进VGG基础网络、 改进额外卷积层、 多尺度检测层和非极大值抑制层， 所述 改进VGG基础网络为在VGG16网络的每个卷积块中增加ASPP网络所构成， 所述改进VGG基础 网络包括依次连接的第一卷积块、 第二卷积块、 第三卷积块、 第四卷积块和第五卷积块， 其 中， 所述第一卷积块、 第二卷积块、 第四卷积块和 第五卷积块中的最后一个卷积后面分别连 接一个所述ASPP网络， 所述第三卷积块中的第二个卷积与第三个卷积之间连接一个所述 ASPP网络， 所述改进额外卷积层为在四个卷积层均插入即插即用模块并构建成特征金字塔 结构所构成， 所述即插即用模块为DA net网络， 所述改进额外卷积层包括依次连接的第一卷 积层、 第二卷积层、 第三卷积层和第四卷积层， 每个卷积层的末 尾均添加有DAnet网络， 所述 第四卷积层得到的特征图经过上采样， 与所述第三卷积层得到的特征图进行融合， 融合后 的特征图采用标准卷积进行降维， 降维后的特征图再经过上采样， 与所述第二卷积层得到 的特征图进行融合， 融合后的特征图采用标准卷积进行降维， 降维后的特征图再经过上采 样， 与所述第一卷积层得到的特 征图进行融合， 融合后的特 征图采用标准卷积进行降维； S2， 构建训练数据， 采用所述训练数据对所述漏粉检测模型进行训练， 得到经训练的漏 粉检测模型； S3， 获取待检测图像， 将所述待检测图像输入所述经训练的漏粉检测模型， 得到检测结 果。 2.根据权利要求1所述的基于改进SSD网络模型的漏粉检测方法， 其特征在于， 所述改 进VGG基础网络中每 个卷积块后采用Mish 激活函数。 3.根据权利要求1所述的基于改进SSD网络模型的漏粉检测方法， 其特征在于， 所述步 骤S2中的构建训练数据， 具体包括： 采集不同漏粉情况下的原始数据集， 对所述原始数据集中的图像进行数据增强， 得到 数据增强数据集， 对所述数据增强数据集进行 标注， 得到所述训练数据。 4.根据权利要求3所述的基于改进SSD网络模型的漏粉检测方法， 其特征在于， 所述对 所述图像进行 数据增强， 具体包括： 对所述原始数据集中的图像进行图片亮度的变化， 得到不同光照条件下的第一数据 集； 对所述原 始数据集中的图像进行高斯模糊， 高斯模糊因子设定为3， 得到第二数据集； 对所述原 始数据集中的图像进行高斯模糊， 高斯模糊因子设定为5， 得到第三数据集； 将所述原 始数据集和第一数据集、 第二数据集、 第三数据集 合并为数据增强数据集。 5.一种基于改进S SD网络模型的漏粉检测装置， 其特 征在于， 包括： 模型构建模块， 被配置为构建漏粉检测模型， 所述漏粉检测模型包括改进SSD网络模 型， 其中， 所述改进SSD 网络模型包括改进VGG基础网络、 改进额外卷积层、 多尺度检测层和 非极大值抑制层， 所述改进VGG基础网络为在VGG16网络的每个卷积块中增加ASPP网络所构 成， 所述改进VGG基础网络包括依次连接的第一卷积块、 第二卷积块、 第三卷积块、 第四卷积 块和第五卷积块， 其中， 所述第一卷积块、 第二卷积块、 第四卷积块和第 五卷积块中的最后 一个卷积后面分别连接一个所述ASPP网络， 所述第三卷积块中的第二个卷积与第三个卷积 之间连接一个所述ASPP网络， 所述改进额外卷积层为在四个卷积层均插入即插即用模块并权　利　要　求　书 1/2 页 2 CN 115200784 B 2构建成特征金字塔结构所构成， 所述即插即用模块为DA net网络， 所述改进额外卷积层 包括 依次连接的第一卷积层、 第二卷积层、 第三卷积层和第四卷积层， 每个卷积层的末 尾均添加 有DAnet网络， 所述第四卷积层得到的特征图经过上采样， 与所述第三卷积层得到的特征图 进行融合， 融合后的特征图采用标准卷积进 行降维， 降维后的特征图再经过上采样， 与所述 第二卷积层得到的特征图进行融合， 融合后的特征图采用标准卷积进行降维， 降维后的特 征图再经过上采样， 与所述第一卷积层得到的特征图进行融合， 融合后的特征图采用标准 卷积进行降维； 训练模块， 被配置为构建训练数据， 采用所述训练数据对所述漏粉检测模型进行训练， 得到经训练的漏粉检测模型； 检测模块， 被配置为获取待检测图像， 将所述待检测图像输入所述经训练的漏粉检测 模型， 得到检测结果。 6.一种电子设备， 包括： 一个或多个处 理器； 存储装置， 用于存 储一个或多个程序， 当所述一个或多个程序被所述一个或多个处理器执行， 使得所述一个或多个处理器实 现如权利要求1 ‑4中任一所述的方法。 7.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该程序被处理器执 行时实现如权利要求1 ‑4中任一所述的方法。权　利　要　求　书 2/2 页 3 CN 115200784 B 3