(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211258256.3 (22)申请日 2022.10.14 (71)申请人 电子科技大 学中山学院 地址 528400 广东省中山市石岐区学院路1 号 (72)发明人 彭程　梁椅辉　宋丹　董帅　 (74)专利代理 机构 北京维飞联创知识产权代理 有限公司 1 1857 专利代理师 樊阳阳 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种边沿检测方法、 装置、 电子设备及存储 介质 (57)摘要 本申请提供一种边沿检测方法、 装置、 电子 设备及存储介质， 该方法包括： 获取待处理图像， 待处理图像包括目标材料的边 沿的图像； 使用神 经网络模型对待处理图像中的目标材料的边沿 进行检测， 获得目标材料在 待处理图像中的边沿 端点坐标， 神经网络模型是 以多角度和/或多光 源拍摄的边沿样本图像为训练数据， 并以标注的 边沿端点坐标为样本标签训练获得的； 将目标材 料在待处理图像中的边沿端点坐标相互连接， 获 得目标材料的边沿线段。 通过 以多角度和/或多 光源拍摄的边沿端点坐标训练的神经网络模型 来检测目标材料的边沿， 有效地减少了不同材料 的差异对检测结果的影 响， 从而提高了检测出材 料边沿的正确率。 权利要求书2页 说明书11页 附图4页 CN 115511863 A 2022.12.23 CN 115511863 A 1.一种边沿检测方法， 其特 征在于， 包括： 获取待处 理图像， 所述待处 理图像包括目标 材料的边沿的图像； 使用神经网络模型对所述待处理图像中的目标材料的边沿进行检测， 获得所述目标材 料在所述待处理图像中的边沿端点坐标， 所述神经网络模型是以多角度和/或多光源拍摄 的边沿样本图像为训练数据， 并以标注的边沿端点 坐标为样本标签训练获得的； 将所述目标材料在所述待处理图像中的边沿端点坐标相互连接， 获得所述目标材料的 边沿线段。 2.根据权利要求1所述的方法， 其特征在于， 所述神经网络模型包括： 多个特征提取分 支； 所述使用神经网络模型对所述待处 理图像中的目标 材料的边沿进行检测， 包括： 从所述待处 理图像中提取 出多个通道图像； 使用所述多个特征提取分支中的每个特征提取分支对所述多个通道图像中的每个通 道图像进行 特征提取， 获得多个通道图像特 征； 对所述多个通道图像特 征进行特征融合， 获得注意力融合特 征； 对所述注意力融合特 征进行特征映射， 获得 所述边沿端点 坐标。 3.根据权利要求1所述的方法， 其特征在于， 在所述使用神经网络模型对所述待处理图 像中的目标 材料的边沿进行检测之前， 还 包括： 获取多个样本 图像和多个样本标签， 所述样本 图像是以多角度和/或多光源的方式对 样本材料的边沿进行拍摄获得的， 所述样本标签是标注出所述样本图像中的边沿端点坐标 后获得的； 以所述多个样本 图像为训练数据， 以所述多个样本标签为训练标签， 对神经网络进行 训练， 获得 所述神经网络模型。 4.根据权利要求3所述的方法， 其特 征在于， 所述对神经网络进行训练， 包括： 使用所述神经网络对所述样本图像中的边沿端点进行预测， 获得预测出的边沿端点坐 标； 计算出所述预测出的边沿端点 坐标与所述样本标签中的边沿端点 坐标之间的损失值； 根据所述损失值对所述神经网络进行训练。 5.根据权利要求4所述的方法， 其特征在于， 所述计算出所述预测出的边沿端点坐标与 所述样本标签中的边沿端点 坐标之间的损失值， 包括： 计算出所述预测出的边沿端点坐标与所述样本标签中的边沿端点坐标之间的角度空 间距离； 根据所述角度空间距离计算出 所述损失值。 6.根据权利要求1 ‑5任一所述的方法， 其特征在于， 在所述获得所述目标材料的边沿线 段之后， 还 包括： 判断所述目标 材料的边沿线段与预设线段 是否平行； 若否， 则调整所述目标材料的传送方向， 以使所述目标材料的边沿线段与预设线段平 行。 7.根据权利要求1 ‑5任一所述的方法， 其特征在于， 所述目标材料包括： 布料和/或塑料 膜。 8.一种边沿检测装置， 其特 征在于， 包括：权　利　要　求　书 1/2 页 2 CN 115511863 A 2处理图像获取模块， 用于获取待处理图像， 所述待处理图像包括目标材料的边沿的图 像； 材料边沿检测模块， 用于使用神经网络模型对所述待处理图像中的目标材料的边沿进 行检测， 获得所述 目标材料在所述待处理图像中的边沿端点坐标， 所述神经网络模型是以 多角度和/或多光源拍摄的边沿样本图像为训练数据， 并以标注的边沿端点坐标为样本标 签训练获得的； 边沿线段获得模块， 用于将所述目标材料在所述待处理图像中的边沿端点坐标相互连 接， 获得所述目标 材料的边沿线段。 9.一种电子设备， 其特征在于， 包括： 处理器和存储器， 所述存储器存储有所述处理器 可执行的机器可读指 令， 所述机器可读指令被所述处理器执行时执行如权利要求1至7任一 所述的方法。 10.一种计算机可读存储介质， 其特征在于， 该计算机可读存储介质上存储有计算机程 序， 该计算机程序被处 理器运行时执 行如权利要求1至7任一所述的方法。权　利　要　求　书 2/2 页 3 CN 115511863 A 3