基于孪生网络的靶板毁伤检测方法及系统

背景技术：

1、现代高科技战争中，控制爆炸物毁伤效果，实现目标的精准打击具有重要意义。为了评估爆炸物的毁伤效应，往往需要进行现场实验。而在含破片爆炸物毁伤实验中，现场试验是评估爆炸物破片的毁伤效应的重要依据。而在含破片爆炸物毁伤实验中利用见证靶板可以实现破片收集，保留破片的分散规律。不同冲击速度和角度的破片会在钢板上留下大小不一的毁伤区域(破孔)。统计和记录见证钢板上破孔的分布、数量、尺寸对评估毁伤效应具有重要意义，目前多依靠传统的人工检测方法，这种方法检存在检测效率低、精度差、主观性强和检测成本高的问题。

2、因此，亟需基于孪生网络的靶板毁伤检测方法及系统，提高检测效率及精度，降低主观性和成本。

技术实现思路

1、本发明的目的是提供基于孪生网络的靶板毁伤检测方法及系统，目的在于提高靶板毁伤区域检测效率和准确率。

2、为实现上述目的，本发明提供了基于孪生网络和区域注意力机制的靶板毁伤检测方法，包括：

3、获取待测靶板毁伤图像；

4、构建靶板毁伤检测模型，将所述待测靶板毁伤图像输入所述靶板毁伤检测模型，获取分割掩膜图，其中所述靶板毁伤检测模型基于u-net网络构建并通过训练集训练获得,所述训练集包括：靶板毁伤区域的图像和标识所述靶板毁伤区域的标签；

5、将所述分割掩膜图进行量化分析，获取靶板毁伤区域的几何信息。

6、可选的，将所述待测靶板毁伤图像输入所述靶板毁伤检测模型之前包括：通过最邻近插值和归一化操作对所述待测靶板毁伤图像进行压缩，获取三维矩阵数据。

7、可选的，基于所述u-net网络构建所述靶板毁伤检测模型包括：

8、在所述u-net网络的编码器和解码器中分别加入多尺度卷积模块和cbr模块，并在所述编码器和所述解码器之间加入孪生分类模块和区域注意力模块构建所述靶板毁伤检测模型。

9、可选的，将所述待测靶板毁伤图像输入所述靶板毁伤检测模型，获取分割掩膜图包括：

10、将所述待测靶板毁伤图像的三维矩阵数据输入所述多尺度卷积模块进行多尺度局部信息提取和全局信息深度提取，获取高纬特征信息；

11、通过归一化和激活函数对所述高纬特征信息进行处理，获取非线性高纬特征信息；

12、将所述非线性高纬特征信息输入所述孪生分类模块，获取毁伤区域注意力权重参数；

13、将所述毁伤区域注意力权重参数进行上采样后与对应尺度的所述非线性高纬特征信息输入所述区域注意力模块，获取空间加权特征图；

14、将所述空间加权特征图输入所述cbr模块，获取所述分割掩膜图。

15、可选的，所述cbr模块包括依次连接的卷积模块、bn正则化和激活函数。

16、可选的，获取空间加权特征图包括：

17、将所述非线性高纬特征图进行全局平均值池化，获取通道注意力权重；

18、将所述通道注意力权重输入fc全连接层，获取最终通道注意力权重；

19、将所述最终通道注意力权重与所述非线性高纬特征图进行加权相乘，获取通道加权特征图；

20、将所述通道加权特征图与所述毁伤区域注意力权重参数相乘，获取所述空间加权特征图。

21、可选的，通过训练集训练所述靶板毁伤检测模型的过程中通过多约束条件的损失函数进行损失计算：

22、lm＝lc+lseg

23、其中，lm为多约束条件的损失函数；lc为孪生分类模块的分类损失；lseg为分割损失；lc＝ls+lce，ls为相似度损失，lce为权交叉熵损失函数；lseg＝ls+lbce+ldice，lbce为交叉熵损失函数，ldice为集合相似度损失。

24、可选的，将所述分割掩膜图进行量化分析，获取靶板毁伤区域的几何信息包括：

25、通过分水岭算法消除所述分割掩膜图中黏连区域的边界像素点，获取未黏连的二值化图像；

26、对所述未黏连的二值化图像进行连通阈计算，获取所述靶板毁伤区域的几何信息，同时完成所述靶板毁伤区域的标注。

27、另一方面。还提供了基于孪生网络的靶板毁伤检测系统，包括：图像采集模块、数据预处理模块、数据传输模块、数据分析模块和可视化模块；

28、所述图像采集模块，用于采集毁伤区域图像数据；

29、所述数据预处理模块，用于对所述毁伤区域图像数据进行预处理；

30、所述数据传输模块，用于将所述预处理后的所述毁伤区域图像传输到所述数据分析模块；

31、所述数据分析模块，用于构建靶板毁伤检测模型，将所述待测靶板毁伤图像输入所述靶板毁伤检测模型，获取分割掩膜图，将所述分割掩膜图进行量化分析，获取靶板毁伤区域的几何信息；

32、所述可视化模块，用于将所述靶板毁伤区域的几何信息呈现在显示器上，同时呈现毁伤区域彩色图像数据。

33、本发明的有益效果为：本发明利用机器视觉技术高精度、高效率和无接触的优势，构建了具有孪生分支的预测网络，用于预测输入图像的毁伤区域，具有孪生分支的网络通过学习具有相似度约束的隐式映射关系，来提高模型泛化能力；引入区域注意力来增加了对目标区域的关注度，抑制无用信息的表达；加入了多尺度卷积模块提高了对边缘细节的感知力，提高了预测精准。最终使得该方法在靶板毁伤区域识别和量化方面取得了有效的应用，改变对于大部分靶板毁伤区域识别和量化多依靠传统的人工检测的方法，避免了检测效率低、精度差、主观性强和检测成本高的问题。

技术特征：

1.基于孪生网络的靶板毁伤检测方法，其特征在于，包括：

2.根据权利要求1所述的基于孪生网络的靶板毁伤检测方法，其特征在于，将所述待测靶板毁伤图像输入所述靶板毁伤检测模型之前包括：通过最邻近插值和归一化操作对所述待测靶板毁伤图像进行压缩，获取三维矩阵数据。

3.根据权利要求1所述的基于孪生网络的靶板毁伤检测方法，其特征在于，基于所述u-net网络构建所述靶板毁伤检测模型包括：

4.根据权利要求3所述的基于孪生网络的靶板毁伤检测方法，其特征在于，将所述待测靶板毁伤图像输入所述靶板毁伤检测模型，获取分割掩膜图包括：

5.根据权利要求3所述的基于孪生网络的靶板毁伤检测方法，其特征在于，所述cbr模块包括依次连接的卷积模块、bn正则化和激活函数。

6.根据权利要求4所述的基于孪生网络的靶板毁伤检测方法，其特征在于，获取空间加权特征图包括：

7.根据权利要求1所述的基于孪生网络的靶板毁伤检测方法，其特征在于，通过训练集训练所述靶板毁伤检测模型的过程中通过多约束条件的损失函数进行损失计算：

8.根据权利要求1所述的基于孪生网络的靶板毁伤检测方法，其特征在于，将所述分割掩膜图进行量化分析，获取靶板毁伤区域的几何信息包括：

9.实现权利要求1-8任一所述的基于孪生网络的靶板毁伤检测方法的系统，其特征在于，包括：图像采集模块、数据预处理模块、数据传输模块、数据分析模块和可视化模块；

技术总结
本发明涉及基于孪生网络的靶板毁伤检测方法及系统，方法包括：获取待测靶板毁伤图像；构建靶板毁伤检测模型，将所述待测靶板毁伤图像输入所述靶板毁伤检测模型，获取分割掩膜图，其中所述靶板毁伤检测模型基于U‑Net网络构建并通过训练集训练获得,所述训练集包括：靶板毁伤区域的图像和标识所述靶板毁伤区域的标签；将所述分割掩膜图进行量化分析，获取靶板毁伤区域的几何信息。本发明构建了具有孪生分支的预测网络，用于预测输入图像的毁伤区域。引入区域注意力来增加了对目标区域的关注度，抑制无用信息的表达；加入了多尺度卷积模块提高了对边缘细节的感知力，提高了预测精准。最终在靶板毁伤区域识别和量化方面取得了有效的应用。

技术研发人员：张宏,李豪天,刘梦真,徐媛媛,黄广炎
受保护的技术使用者：北京理工大学
技术研发日：
技术公布日：2024/4/29