摘要
本申请提供一种集装箱锁杆弯曲度测量与分类方法及装置,应用于集装箱残损检测技术领域,通过训练好的实例分割模型,对集装箱箱门图像中的锁杆进行精确检测和弯曲度测量,并根据预设的曲度阈值区间对锁杆的弯曲程度进行分类,显著提高了锁杆弯曲度测量的精度和可靠性,有效避免了因锁杆弯曲形态多样和背景干扰所引发的测量不准确问题,在模型训练过程中,对锁杆轮廓及角件轮廓进行标注,计算锁杆的初始曲率值,通过透视变换计算尺度校正因子,对初始曲率值进行几何校正,得到校正后的锁杆曲度值,并将这些校正后的曲度值作为附加标签构建数据集,用于训练实例分割模型,显著减少了对大量锁杆弯曲图片标注数据的依赖,降低了数据收集和标注成本。
技术关键词
集装箱锁杆
实例分割模型
分类方法
集装箱箱门
轮廓数据
弯曲
角件
校正模块
分支
置信度阈值
检测损失
因子
掩膜
尺寸
图像
分类装置
系统为您推荐了相关专利信息
监测煤矿巷道
网格
轮廓模型
煤矿巷道变形
巷道围岩
神经网络压缩方法
搜索缩放因子
神经网络模型
参数初始化方法
解压缩方法
事件分类方法
残差卷积神经网络
干涉型光纤水听器
光纤水听器探头
FIFO模块
遥感场景分类方法
模态特征
特征提取网络
校正特征
注意力机制
一维卷积神经网络
分类方法
电能
序列
卷积神经网络模块