1.一種單晶爐的實(shí)時(shí)ai自動(dòng)識別放肩開口檢測方法，其特征在于：
2.根據(jù)權(quán)利要求1所述的單晶爐的實(shí)時(shí)ai自動(dòng)識別放肩開口檢測方法，其特征在于生成擴(kuò)充圖像數(shù)據(jù)集的過程：利用標(biāo)記軟件對獲取的原始圖像進(jìn)行標(biāo)記，將圖像中的目標(biāo)用預(yù)測框標(biāo)記出來，對原始圖像數(shù)據(jù)集進(jìn)行增強(qiáng)，用以增加原始圖像數(shù)據(jù)集中的數(shù)據(jù)數(shù)量，得到擴(kuò)充圖像數(shù)據(jù)集，其中，目標(biāo)包括放肩開口和放肩未開口。
3.根據(jù)權(quán)利要求1或2所述的單晶爐的實(shí)時(shí)ai自動(dòng)識別放肩開口檢測方法，其特征在于在訓(xùn)練模型時(shí)，需進(jìn)行推理，包括大概檢測：先判斷每個(gè)標(biāo)簽的預(yù)測置信度，若預(yù)測置信度超過設(shè)定閾值，則認(rèn)為對應(yīng)的標(biāo)簽內(nèi)存在目標(biāo)，得到目標(biāo)的大致位置。
4.根據(jù)權(quán)利要求3所述的單晶爐的實(shí)時(shí)ai自動(dòng)識別放肩開口檢測方法，其特征在于完成大概檢測步驟后，進(jìn)行后處理步驟：根據(jù)非極大值抑制算法對存在目標(biāo)的預(yù)測框，進(jìn)行篩選，剔除對應(yīng)同一目標(biāo)的重復(fù)預(yù)測框，來移除冗余的預(yù)測框，保留最有可能的預(yù)測框，得出預(yù)測結(jié)果。
5.根據(jù)權(quán)利要求4所述的單晶爐的實(shí)時(shí)ai自動(dòng)識別放肩開口檢測方法，其特征在于根據(jù)篩選后的預(yù)測框的分類概率，取最大概率對應(yīng)的索引為目標(biāo)的分類索引號，從而得到目標(biāo)的類別，用于確定目標(biāo)為放肩開口或放肩未開口。
6.根據(jù)權(quán)利要求3所述的單晶爐的實(shí)時(shí)ai自動(dòng)識別放肩開口檢測方法，其特征在于：
7.根據(jù)權(quán)利要求3所述的單晶爐的實(shí)時(shí)ai自動(dòng)識別放肩開口檢測方法，其特征在于在訓(xùn)練模型時(shí)，輸入訓(xùn)練集數(shù)據(jù)，正向傳播時(shí)計(jì)算梯度誤差，反向傳播時(shí)利用梯度下降法更新ai網(wǎng)絡(luò)模型參數(shù)，利用殘差學(xué)習(xí)機(jī)制建立輸入圖像與標(biāo)簽數(shù)據(jù)之間的映射關(guān)系，使用損失函數(shù)逐漸優(yōu)化至最小；輸入測試集數(shù)據(jù)，對ai網(wǎng)絡(luò)模型進(jìn)行超參數(shù)微調(diào)。
8.根據(jù)權(quán)利要求7所述的單晶爐的實(shí)時(shí)ai自動(dòng)識別放肩開口檢測方法，其特征在于在訓(xùn)練模型時(shí)，設(shè)置相應(yīng)的訓(xùn)練次數(shù)，隨著訓(xùn)練次數(shù)的增加，ai網(wǎng)絡(luò)模型的損失函數(shù)曲線逐漸收斂，當(dāng)損失函數(shù)曲線收斂并穩(wěn)定時(shí)，ai網(wǎng)絡(luò)模型訓(xùn)練至最優(yōu)，并生成預(yù)訓(xùn)練權(quán)重文件。
9.根據(jù)權(quán)利要求8所述的單晶爐的實(shí)時(shí)ai自動(dòng)識別放肩開口檢測方法，其特征在于在每輪訓(xùn)練推理結(jié)束后，使用測試樣本集檢測ai網(wǎng)絡(luò)模型性能，并根據(jù)檢測結(jié)果調(diào)整ai網(wǎng)絡(luò)模型的學(xué)習(xí)率或相應(yīng)的超參數(shù)，得到并保存測試訓(xùn)練權(quán)重文件。
10.根據(jù)權(quán)利要求9所述的單晶爐的實(shí)時(shí)ai自動(dòng)識別放肩開口檢測方法，其特征在于所述檢測步驟包括：