1.一种厨余垃圾遮挡物体识别和遮挡关系判断方法,其特征在于,包括:步骤1,构建厨余垃圾图像的遮挡数据集,其中各图像均标有图像中每个目标物体的可见掩码、完整掩码和类别;
步骤2,利用步骤1中的遮挡数据集训练实例分割模型和掩码还原模型;
其中,实例分割模型的输入为厨余垃圾图像,输出为图像中各目标物体的类别和可见掩码;
掩码还原模型的输入为:实例分割模型输出的目标物体的可见掩码、该目标物体在遮挡数据集中的厨余垃圾图像;输出为:目标物体的完整掩码;
步骤3,将待识别判断的厨余垃圾图像,输入至训练好的实例分割模型,输出得到各目标物体的类别和可见掩码;再将得到的可见掩码输入至训练好的掩码还原模型,输出得到各目标物体的完整掩码;
步骤4,将步骤3得到的可见掩码和完整掩码结合,判断各目标物体是否被遮挡以及遮挡关系。
2.根据权利要求1所述的厨余垃圾遮挡物体识别和遮挡关系判断方法,其特征在于,所述实例分割模型使用YOLOV8实例分割网络。
3.根据权利要求1所述的厨余垃圾遮挡物体识别和遮挡关系判断方法,其特征在于,所述掩码还原模型使用轻量化的网络Unet作为骨干网络,在Unet下采样与上采样的每一层之间加入空间注意力和通道注意力融合的残差模块,组成神经网络Unet-RC。
4.根据权利要求1所述的厨余垃圾遮挡物体识别和遮挡关系判断方法,其特征在于,利用遮挡数据集训练掩码还原模型的损失函数包括:分割损失、相似度损失和边界损失。
5.根据权利要求4所述的厨余垃圾遮挡物体识别和遮挡关系判断方法,其特征在于,所述分割损失采用CrossEntropyLoss函数来确定每个像素的类别损失,其计算公式为:其中,x为每个像素,
6.根据权利要求4所述的厨余垃圾遮挡物体识别和遮挡关系判断方法,其特征在于,所述相似度损失采用DiceLoss函数,计算公式为:其中,X为掩码还原模型预测的完整掩码,Y为标注的真实完整掩码;
7.根据权利要求4所述的厨余垃圾遮挡物体识别和遮挡关系判断方法,其特征在于,所述边界损失,通过对模型预测掩码图和目标的掩码图提取掩码的边界,实现对掩码边界的预测,其中计算公式为:其中,Sobel(X)和Sobel(Y)表示掩码运用Sobel过滤器来计算预测集合X和目标集合Y的梯度,
8.根据权利要求1所述的厨余垃圾遮挡物体识别和遮挡关系判断方法,其特征在于,步骤4具体判断方法为:首先判断每个目标物体自身是否被遮挡,由该目标物体的可见掩码到完整掩码是否超过5%来判定,若超出,则该物体初步确定存在遮挡;
然后将同一张图像中的各个目标物体判断是否相邻,其计算依据如下:其中:X为实例分割模型输出掩码图;Z为同一张图片中不包含X的可见掩码图集合;
最后对每相邻的两个目标物体,根据其完整掩码的重合比例判断遮挡关系。