1.一种融合图像与几何特征的测评系统,其特征在于,所述测评系统包括:图像获取模块,用于获取待检测的目标图像;
目标检测模块,用于将所述待检测的目标图像输入至目标检测模型,以得到所述目标图像中角的检测数据、十字交叉的检测数据和菱形的检测数据;所述角的检测数据包括角位置信息;所述角位置信息至少包括角位置;所述十字交叉的检测数据包括十字交叉位置信息;所述十字交叉位置信息至少包括十字交叉位置;所述菱形的检测数据包括菱形位置信息;所述菱形位置信息至少包括菱形位置;
初步筛查模块,用于根据所述角的检测数据、所述十字交叉的检测数据和所述菱形的检测数据,对所述目标图像进行初步筛查;
第一结果输出模块,用于在所述目标图像没有通过所述初步筛查时,输出第一结果;所述第一结果为结构能力不合格;
图像特征模块,用于当所述目标图像通过所述初步筛查时,根据初步合格图像确定多维图像特征;所述初步合格图像为通过所述初步筛查后的目标图像;
第二结果输出模块,用于将所述多维图像特征输入至XGBoost模型中,以对所述初步合格图像进行二次筛查,并输出第二结果;所述第二结果包括结构能力合格和结构能力不合格。
2.根据权利要求1所述的融合图像与几何特征的测评系统,其特征在于,在目标检测模型的训练方面,所述目标检测模块具体包括:第一参数子模块,用于对YOLOv5深度学习网络进行参数设置;其中,YOLOv5深度学习网络设置的参数包括:交并比阈值为0.5,置信度阈值为0.299;
第一训练子模块,用于将样本集输入至参数设置完成的YOLOv5深度学习网络中进行训练,以得到目标检测模型;所述样本集包括多张样本目标图像和每张所述样本目标图像对应的标签;所述标签包括所述样本目标图像中的角位置、十字交叉位置和菱形位置。
3.根据权利要求1所述的融合图像与几何特征的测评系统,其特征在于,所述初步筛查模块,具体包括:
数量确定子模块,用于根据所述角位置确定角数量,根据所述十字交叉位置确定十字交叉数量,根据所述菱形位置确定菱形数量;
阈值判断子模块,用于判断所述十字交叉数量、所述角数量和所述菱形数量是否符合约束条件;
第一结果子模块,用于当所述十字交叉数量、所述角数量和所述菱形数量符合约束条件时,返回所述第一结果输出模块;
第二结果子模块,用于当所述十字交叉数量、所述角数量和所述菱形数量不符合约束条件时,返回所述图像特征模块。
4.根据权利要求1所述的融合图像与几何特征的测评系统,其特征在于,所述角位置信息还包括所述角位置对应的置信度;所述十字交叉位置信息还包括所述十字交叉位置对应的置信度;所述菱形位置信息还包括所述菱形位置对应的置信度;
所述图像特征模块,具体包括:
第一数量子模块,用于根据初步合格图像中所述角位置对应的置信度确定初步角数量;
第二数量子模块,用于根据所述初步合格图像中所述十字交叉位置对应的置信度确定初步十字交叉数量;
第三数量子模块,用于根据所述初步合格图像中所述菱形位置对应的置信度确定初步菱形数量;
交并比子模块,用于获取第一交并比和第二交并比;所述第一交并比为所述初步合格图像中角位置的检测矩形框与菱形位置的检测矩形框的交并比;所述第二交并比为所述初步合格图像中十字交叉位置的检测矩形框与所述菱形位置的检测矩形框的交并比;
内外角数量计算子模块,用于根据所述第一交并比确定内角数量和外角数量;
内外交叉数量计算子模块,用于根据所述第二交并比确定内交叉数量和外交叉数量;
外角象限子模块,用于以所述菱形位置的中心为原点,建立直角坐标系,并确定外角在所述直角坐标系的第一象限的数量、外角在所述直角坐标系的第二象限的数量、外角在所述直角坐标系的第三象限的数量和外角在所述直角坐标系的第四象限的数量;
成分特征子模块,用于对所述初步合格图像进行特征提取,得到多维成分特征;
多维特征组合子模块,用于将所述初步角数量、所述初步十字交叉数量、所述初步菱形数量、所述内角数量、所述外角数量、所述内交叉数量、所述外交叉数量、所述外角在所述直角坐标系的第一象限的数量、所述外角在所述直角坐标系的第二象限的数量、所述外角在所述直角坐标系的第三象限的数量、所述外角在所述直角坐标系的第四象限的数量和所述多维成分特征确定多维图像特征。
5.根据权利要求4所述的融合图像与几何特征的测评系统,其特征在于,所述第一数量子模块,具体包括:
第一计算单元,用于根据公式 确定第i个角位置对应的实际角数量;
其中,Ni表示第i个角位置对应的实际角数量,Confi表示初步合格图像中第i个角位置对应的置信度,a和b表示常数;
根据多个角位置对应的实际角数量确定初步角数量。
6.根据权利要求4所述的融合图像与几何特征的测评系统,其特征在于,所述内外角数量计算子模块,具体包括:
交并比获取单元,用于获取所述初步合格图像中第i个角位置对应的第一交并比;
第一判断单元,用于判断所述第一交并比是否大于第一阈值;
外角确定单元,用于在所述第一交并比大于第一阈值时,将所述第i个角位置的角确定为外角;
内角确定单元,用于在所述第一交并比小于或等于第一阈值时,将所述第i个角位置的角确定为内角;
数量确定单元,用于根据多个所述外角确定外角数量,根据多个所述内角确定内角数量。
7.根据权利要求4所述的融合图像与几何特征的测评系统,其特征在于,所述成分特征子模块内置有CNN神经网络结构和主成分分析算法;所述CNN神经网络结构包括卷积层、池化层、采样层、通道变换卷积层和空间金字塔池化层;
所述成分特征子模块,具体包括:第一特征单元,用于将所述初步合格图像输入至所述卷积层进行特征提取,以得到第一特征图;
第二特征单元,用于将所述第一特征图输入至所述池化层中进行池化平均,得到第二特征图;
第三特征单元,用于将所述第二特征图输入至所述采样层进行采样,得到第三特征图;
第四特征单元,用于将所述第三特征图输入至所述通道变换卷积层依次进行通道层面的叠加、扩大通道数和1*1的卷积,得到第四特征图;
高维特征单元,用于将所述第四特征图输入至所述空间金字塔池化层,以得到高维特征向量;
降维单元,用于采用所述主成分分析算法对所述高维特征向量进行降维,得到多维成分特征。
8.根据权利要求1所述的融合图像与几何特征的测评系统,其特征在于,在XGBoost模型的训练方面,所述第二结果输出模块,具体包括:树样本集子模块,用于获取树样本集;所述树样本集包括多张第一样本图像的多维图像特征;所述第一样本图像为样本目标图像通过所述初步筛查后得到的图像;
第二参数子模块,用于对XGBoost初始模型进行参数设置;其中,XGBoost初始模型设置的参数包括:正样本权重为0.2,样本采样比例为0.45,树‑特征采样比例为0.45,最小分支样本权重和为0.5,学习率为0.01,Gamma为0,树最大深度为13,最大树量为500;
第二训练子模块,用于将所述树样本集输入至参数设置完成的XGBoost初始模型中进行训练,以得到XGBoost模型。
9.根据权利要求4所述的融合图像与几何特征的测评系统,其特征在于,所述图像特征模块还包括:
目标中心子模块,用于将所述初步合格图像中菱形位置的中心,确定为目标中心;
目标位置子模块,用于将所述初步合格图像中角位置和十字交叉位置,确定为目标位置;
距离计算子模块,用于计算标记距离;所述标记距离为所述目标中心与标记目标位置之间的距离;所述标记目标位置为已确定的所述目标位置中的任一目标位置;
距离判断子模块,用于判断所述标记距离是否满足第一条件或者第二条件;所述第一条件为所述标记距离大于平均距离2个标准差;所述第二条件为所述标记距离的方差大于设定值;所述平均距离为多个所述标记距离的平均值;
异常去除子模块,用于在所述标记距离满足第一条件或者第二条件时,将所述标记目标位置去除,得到更新后的初步合格图像,并返回所述第一数量子模块。