公开(公告)号：CN111951270B

公开(公告)日：2025-01-10

申请号：CN202010606442.6

申请日：2020-06-29

Applicant: 珠海格力电器股份有限公司

Inventor： 王长恺 ,  刘志昌 ,  张亚昇 ,  王栋年 ,  许瑞龙

IPC: G06T7/11 ,  G06T5/50 ,  G06V10/25 ,  G06N3/0464 ,  G06V10/82 ,  G06N3/08

Abstract: 本发明属于电机卡簧凹槽高度检测中图像处理技术领域，公开了一种基于深度学习的单目标物体分割方法及检测设备，利用改进的U‑Net神经网络，在同类型不完整目标和完整目标同时存在下，将完整的目标分割出来，并将把完整的目标过滤掉。本发明发明通过对U‑Net神经网络进行改进，在同类型不完整目标和完整目标同时存在时，该网络可以直接将完整的目标分割出来，而把不完整的目标过滤掉。此方法对于只考虑完整目标情况时有很大的帮助，减少了不完整目标的干扰，缩减了完整目标分割步骤；并且改进后的U‑Net网络相对比原始U‑Net网络，提高了网络的分割效率。

公开(公告)号：CN111951270A

公开(公告)日：2020-11-17

申请号：CN202010606442.6

申请日：2020-06-29

Applicant: 珠海格力电器股份有限公司

Inventor： 王长恺 ,  刘志昌 ,  张亚昇 ,  王栋年 ,  许瑞龙

IPC: G06T7/11 ,  G06T5/50 ,  G06K9/32 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于电机卡簧凹槽高度检测中图像处理技术领域，公开了一种基于深度学习的单目标物体分割方法及检测设备，利用改进的U-Net神经网络，在同类型不完整目标和完整目标同时存在下，将完整的目标分割出来，并将把完整的目标过滤掉。本发明发明通过对U-Net神经网络进行改进，在同类型不完整目标和完整目标同时存在时，该网络可以直接将完整的目标分割出来，而把不完整的目标过滤掉。此方法对于只考虑完整目标情况时有很大的帮助，减少了不完整目标的干扰，缩减了完整目标分割步骤；并且改进后的U-Net网络相对比原始U-Net网络，提高了网络的分割效率。