同色系下的实验精度检验.docx

同色系下的实验精度检验:试验件:考虑整体实验问题：1 .RCNN对螺栓目标识别的精度问题2 .霍夫变换识别直线的角度敏感度问题对于问题1：限制1：图像像素问题，当像素超过900*600时，易发生显存溢出无法训练。考虑图像大小变换，按比例缩小至原像素0.5倍。限制2：由于限制1的存在，当原图像拍摄点距离螺栓较远时，图片缩小后螺栓所占像素区域太少，特征不明显，故训练集应减少此部分样本。后续考虑控制摄像头与实验件距离。（当训练集中存在此类特征区域像素点模糊时，会较大影响后续识别精度）限制3：考虑低光照下手机摄像头均出现目标区域模糊，不利于识别，故采集图像时开启闪光灯进行补光。学习率影响：（训练样本约记80个螺栓区域）le-2"le-7迭代时间：影响不大，50次迭代用时均在28s上下。结果影响：影响较大，低学习率无法识别，高学习率时，当考虑空螺栓时存在错误识别,（不考虑空螺栓时无此情况）（学习率过高也会无法识别）le-3文件邺a<E) SS(V) m() mm JWoaoQQ 3le-6:样本预测结果：（140个螺栓区域，le-4学习率）暂存问题：问题1：当考虑空螺栓时，即训练样本、测试样本图片中均存在空螺栓时。即便训练集不对空螺栓进行标注，算法在测试集中仍会框选空螺栓，适当增大训练集（80140）时，情况略有好转，但仍会框选部分空螺栓区域。问题2：训练集样本数由20140时，预测精度提升一般。（对空螺栓误判情况缓解，但仍有框选错误情况发生）霍夫变换直线角度问题：霍夫变换中存在角度敏感问题：考虑霍夫变换原理，在进行直线判断时:标准情况如下图：即各像素点严格在同一条直线上时，判断其在同一直线上。而由于实际图像的各类噪声和canny边缘检测结果的不确定性，实际的螺栓边缘并不会严格在同一直线上,若仍执行严格的霍夫变换,则会将边缘检测为多段长度较小的直线段,且会引入各噪声造成的小线段误差。此时较好的做法是需要引入角度阈值c,即角度误差在C以内的像素点段同样认为是同一条直线，即将更多的像素点囊括在了这条线段内，降低无效短线段比例。但同时引入了误差。考虑上周角度检测结果:J-TX其六条边的各个角度为（进行角度规范化后）：明显存在两边为12度，而另外四边为15°（误差何处来？）放大12°边:12°边明显存在前文的提到的角度误差问题。（15度边也有但较轻微）实际角度测量结果：15°即主要误差在12°边位置：解决方案：误差问题主要集中在图像像素45°范围附近（未验证）.可以通过求平均时减小45°范围时的权重，或者后续考虑做角度补偿弥补误差