一种靶体自动定位方法、装置及计算机存储介质

1.本发明涉及高能粒子加速领域，特别是涉及一种靶体自动定位方法、装置及计算机存储介质。


背景技术：

2.激光离子加速器是一种基于超强超快激光加速的新型加速器，具有体积小、加速梯度高、成本低等优点，在超高剂量率的肿瘤放疗、质子成像、惯性约束聚变等领域有着广泛的应用前景。在激光离子加速中，激光和靶体的耦合位置影响离子束的截止能量，同时靶体位置的定位效率影响着加速器的调试速度。
3.传统的靶体定位方法通常利用靶后高倍显微物镜的小景深的特点，根据图像清晰度来确定靶体的位置，这种光学成像的方法需要人工操作或设计精准的辅助函数来控制电机移动逐渐靠近最佳靶体位置，时间成本高且人工成本开销大。


技术实现要素：

4.本发明的目的是提供一种靶体自动定位方法、装置及计算机存储介质，以实现靶体高速、精准定位。
5.为实现上述目的，本发明提供了如下方案：
6.一种靶体自动定位方法，包括：
7.获取待定位的靶体图像；
8.利用目标检测网络对所述待定位的靶体图像进行检测，得到位置标签；所述目标检测网络是通过yolo模型训练得到；
9.根据所述位置标签进行线性变换，得到电机移动距离；
10.根据所述电机移动距离对靶体进行移动。
11.可选地，所述目标检测网络的训练过程包括：
12.获取带有标注信息的靶体图像，并将所述带有标注信息的靶体图像划分为训练集和验证集；所述标注信息包括靶体图像中的清晰区域和非清晰区域；
13.利用所述训练集对所述yolo模型进行训练，当迭代次数达到设定次数时，得到目标检测网络。
14.可选地，所述yolo模型具体为yolov5深度网络模型。
15.可选地，根据所述位置标签进行线性变换，得到电机移动距离，具体包括：
16.根据所述位置标签判断是否有清晰位置，得到判断结果；
17.若所述判断结果为是，则根据所述位置标签中的物体置信度和物体横坐标确定电机移动距离；
18.若所述判断结果为否，则根据所述位置标签中的物体置信度、物体宽度和物体横坐标确定电机移动距离。
19.本发明还提供一种靶体自动定位装置，所述靶体自动定位装置应用上述的靶体自
动定位方法，所述靶体自动定位装置包括：相机、电机、靶体和上位机；
20.所述靶体固定在所述电机上；所述电机包括三个线性平移台；三个所述线性平移台用于控制所述靶体分别进行三个方向的移动；所述相机用于获取靶体图像；所述电机与所述上位机连接；
21.所述上位机包括：
22.获取模块，用于获取待定位的靶体图像；
23.检测模块，用于利用目标检测网络对所述待定位的靶体图像进行检测，得到位置标签；所述目标检测网络是通过yolo模型训练得到；
24.变化模块，用于根据所述位置标签进行线性变换，得到电机移动距离；
25.移动模块，用于根据所述电机移动距离控制所述电机对靶体进行移动。
26.可选地，所述相机为ccd相机。
27.可选地，所述目标检测网络的训练过程包括：
28.获取带有标注信息的靶体图像，并将所述带有标注信息的靶体图像划分为训练集和验证集；所述标注信息包括靶体图像中的清晰区域和非清晰区域；
29.利用所述训练集对所述yolo模型进行训练，当迭代次数达到设定次数时，得到目标检测网络。
30.本发明还提供一种计算机存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如上述的方法。
31.根据本发明提供的具体实施例，本发明公开了以下技术效果：
32.本发明利用目标检测网络对所述待定位的靶体图像进行检测，得到位置标签；所述目标检测网络是通过yolo模型训练得到；根据所述位置标签进行线性变换，得到电机移动距离；根据所述电机移动距离对靶体进行移动。利用单张图片推理出靶体距离最佳聚焦点的位置，对靶体进行准确快速的移动，从而实现靶体高速、精准定位。
附图说明
33.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
34.图1为激光加速器中激光和靶体位置耦合示意图；
35.图2为靶体定位原理图；
36.图3为目标检测网络的输入示意图；
37.图4为目标检测网络的输出示意图；
38.图5为预测标签至电机移动距离的转化流程图；
39.图6为上机位与服务器间的数据流动示意图；
40.图7为本发明提供的靶体自动定位方法流程图。
具体实施方式
41.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完
整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
42.本发明的目的是提供一种靶体自动定位方法、装置及计算机存储介质，以实现靶体高速、精准定位。
43.为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
44.如图7所示，本发明提供的一种靶体自动定位方法，将ccd拍摄到的靶体图像通过请求发送到服务器端，服务器进行目标检测网络推理，返回图像清晰位置的网格标注；本地计算机将标注信息通过线性转换，转换成电机y轴移动的距离，完成靶体的精准定位，具体包括：
45.步骤101：获取待定位的靶体图像。
46.步骤102：利用目标检测网络对所述待定位的靶体图像进行检测，得到位置标签；所述目标检测网络是通过yolo模型训练得到。
47.步骤103：根据所述位置标签进行线性变换，得到电机移动距离。
48.步骤103，具体包括：根据所述位置标签判断是否有清晰位置，得到判断结果；若所述判断结果为是，则根据所述位置标签中的物体置信度和物体横坐标确定电机移动距离；若所述判断结果为否，则根据所述位置标签中的物体置信度、物体宽度和物体横坐标确定电机移动距离。
49.步骤104：根据所述电机移动距离对靶体进行移动。
50.所述目标检测网络的训练过程包括：
51.获取带有标注信息的靶体图像，并将所述带有标注信息的靶体图像划分为训练集和验证集；所述标注信息包括靶体图像中的清晰区域和非清晰区域。
52.具体为，人工移动y轴，获得靶体的最佳成像点，使得图像的清晰位置位于视野最中央，前后以10um的步长扫描，储存不同步长下的靶体图像。人工标注每一幅图像的清晰位置和非清晰位置。
53.整个用于网络训练的数据集中，有150张带有标注的塑料靶体图像，处于距离最佳聚焦位置60um至100um的图像均带有非清晰位置，处于最佳聚焦位置前后60um的图像均带有清晰位置和非清晰的标注。随机打乱图片顺序，并按照8：2的数量划分训练集和验证集。
54.利用所述训练集对所述yolo模型进行训练，当迭代次数达到设定次数时，得到目标检测网络。其中，所述yolo模型具体为yolov5深度网络模型。
55.具体为，采用预训练的yolov5深度网络模型作为初始网络状态。更改网络物体输出种类为2，即清晰和非清晰两种物体。将400次迭代训练完毕的网络保存成pytorch框架下的.pt文件，供测试集以及实际部署的使用。
56.采用labview上机位靶体程序作为客户端，装有pytorch框架的计算平台作为服务器。服务器部署训练完成后的权重的深度网络；当靶体更换动作结束时，客户端发送计算请求给服务器，服务器读取图片并计算出相应的位置标签；
57.上机位将位置标签通过线性变换转换成y轴移动距离l，发送给电机控制器，使电机移动l并完成靶体的位置确认。
58.如图5所示，具体转换算法说明：
59.网络输出标签的格式为(c,conf,x,y,h,w),其中x,y表示检测到的物体的中心横纵坐标，h为物体的高度，w为物体的宽度，c为物体的种类(0和1分别表示清晰物体和非清晰物体)，conf为物体置信度。首先，根据目标检测网络的输出标签，通过程序判断标签内的物体种类c中是否有清晰的种类；具体为，通过标注信息中的清晰区域和非清晰区域确定；如果有，寻找具有最大conf值的清晰位置标注，获取对应标签的横坐标x，计算得到电机移动距离l＝k1×
(0.5-x)；如果没有清晰位置，寻找具有最大conf值的非清晰位置标注，获取对应标签的宽度w和横坐标x，计算得到电机移动距离为k1，k2均为线性转换系数，取决于靶体和靶后的角度，通过实际移动靶体距离和检测到的输出标签进行标定。目标检测模型的输入输出如图3和图4所示。
60.本发明基于yolo系列的目标检测深度网络模型，将离焦位置的预测任务转换成目标检测任务，由于轻量级网络的使用，可以实现快速的图片输入至标签输出，进而实现快速靶体定位。
61.如图6所示，基于flask框架下的客户端-服务器使用，将控制电机的上机位程序和推理图片的算法程序分离，可以实现本地计算资源的节约，也可以保证推理的速度，同时可以实现在不同的激光加速器设备上实现快速的部署。
62.如图2所示，本发明还提供一种靶体自动定位装置，所述靶体自动定位装置应用上述的靶体自动定位方法，所述靶体自动定位装置包括：相机、电机、靶体和上位机；所述靶体固定在所述电机上；所述电机包括三个线性平移台；三个所述线性平移台用于控制所述靶体分别进行三个方向的移动；所述相机用于获取靶体图像；所述电机与所述上位机连接。其中，所述相机为ccd相机。
63.所述上位机包括：获取模块，用于获取待定位的靶体图像；检测模块，用于目标检测网络对所述待定位的靶体图像进行检测，得到位置标签；所述目标检测网络是通过yolo模型训练得到；变化模块，用于根据所述位置标签进行线性变换，得到电机移动距离；移动模块，用于根据所述电机移动距离控制所述电机对靶体进行移动。
64.所述目标检测网络的训练过程包括：
65.获取带有标注信息的靶体图像，并将所述带有标注信息的靶体图像划分为训练集和验证集；所述标注信息包括靶体图像中的清晰区域和非清晰区域。
66.利用所述训练集对所述yolo模型进行训练，当迭代次数达到设定次数时，得到目标检测网络。
67.本发明依托硬件设置和软件算法，硬件方面，激光加速器主加速腔内用到的主要器件有：具有特定景深大小的高倍显微物镜及ccd相机，高精度电机，卤素灯光源；软件算法方面，目标检测深度学习网络yolo模型(开源)，控制电机和ccd相机的labview上机位软件；
68.多孔靶体被固定在6维高精度电机上，三个线性平移台控制xyz方向的移动。靶体与靶后显微镜的距离由平移台y轴的前后移动进行控制。如图1所示，每个白色小孔表示一个靶体，主激光通过聚焦原件被聚焦在靶体上(通过装有高倍物镜的靶后相机确定激光的聚焦位置)。固定靶后相机不动，通过靶后装有高倍物镜的ccd对靶体表面进行成像，前后移动靶体，使清晰位置放在视野中央，实现靶体的位置定位。
69.靶体表面法线方向和靶后相机的接收方向呈一定的角度，由于高倍物镜景深小，使得成像视野内的图像清晰度在位置上有差异，即位于景深内的靶体表面可以被清晰成像，在景深外的靶体表面成像不清晰。同时，清晰位置在ccd视野中的位置可以判断离焦位置：清晰位置在左侧，表示靶体处于焦平面前方；清晰位置在右侧，表示靶体处于焦平面后方；清晰位置在中央，表明靶体已经完成了定位。
70.通过上机位软件控制y轴的移动，将清晰位置移动至视野中心，完成靶体的位置定位。
71.本发明的照明光为卤素灯，使用卤素灯照明靶体增加整个视野的亮度。
72.本发明还提供一种计算机存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如上述的方法。
73.本发明通过单张图片进而推理出靶体距离最佳聚焦点的位置。对比传统方法，位置扫描导致时间成本高，本发明可以实现靶体准确快速的移动，解决了重频连续打靶所需要的靶体数多、安装调试所需要的时间长、人工成本开销大等一系列问题，实现了靶体高速、精准定位。
74.本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
75.本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

技术特征：
1.一种靶体自动定位方法，其特征在于，包括：获取待定位的靶体图像；利用目标检测网络对所述待定位的靶体图像进行检测，得到位置标签；所述目标检测网络是通过yolo模型训练得到；根据所述位置标签进行线性变换，得到电机移动距离；根据所述电机移动距离对靶体进行移动。2.根据权利要求1所述的靶体自动定位方法，其特征在于，所述目标检测网络的训练过程包括：获取带有标注信息的靶体图像，并将所述带有标注信息的靶体图像划分为训练集和验证集；所述标注信息包括靶体图像中的清晰区域和非清晰区域；利用所述训练集对所述yolo模型进行训练，当迭代次数达到设定次数时，得到目标检测网络。3.根据权利要求1所述的靶体自动定位方法，其特征在于，所述yolo模型具体为yolov5深度网络模型。4.根据权利要求1所述的靶体自动定位方法，其特征在于，根据所述位置标签进行线性变换，得到电机移动距离，具体包括：根据所述位置标签判断是否有清晰位置，得到判断结果；若所述判断结果为是，则根据所述位置标签中的物体置信度和物体横坐标确定电机移动距离；若所述判断结果为否，则根据所述位置标签中的物体置信度、物体宽度和物体横坐标确定电机移动距离。5.一种靶体自动定位装置，其特征在于，所述靶体自动定位装置应用权利要求1-4任意一项所述的靶体自动定位方法，所述靶体自动定位装置包括：相机、电机、靶体和上位机；所述靶体固定在所述电机上；所述电机包括三个线性平移台；三个所述线性平移台用于控制所述靶体分别进行三个方向的移动；所述相机用于获取靶体图像；所述电机与所述上位机连接；所述上位机包括：获取模块，用于获取待定位的靶体图像；检测模块，用于利用目标检测网络对所述待定位的靶体图像进行检测，得到位置标签；所述目标检测网络是通过yolo模型训练得到；变化模块，用于根据所述位置标签进行线性变换，得到电机移动距离；移动模块，用于根据所述电机移动距离控制所述电机对靶体进行移动。6.根据权利要求5所述的靶体自动定位装置，其特征在于，所述相机为ccd相机。7.根据权利要求5所述的靶体自动定位装置，其特征在于，所述目标检测网络的训练过程包括：获取带有标注信息的靶体图像，并将所述带有标注信息的靶体图像划分为训练集和验证集；所述标注信息包括靶体图像中的清晰区域和非清晰区域；利用所述训练集对所述yolo模型进行训练，当迭代次数达到设定次数时，得到目标检测网络。
8.一种计算机存储介质，其特征在于，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1至4中任意一项所述的方法。

技术总结
本发明公开一种靶体自动定位方法、装置及计算机存储介质，涉及高能粒子加速领域，方法包括获取待定位的靶体图像；利用目标检测网络对所述待定位的靶体图像进行检测，得到位置标签；所述目标检测网络是通过Yolo模型训练得到；根据所述位置标签进行线性变换，得到电机移动距离；根据所述电机移动距离对靶体进行移动。本发明能实现靶体高速、精准定位。精准定位。精准定位。


技术研发人员：林晨 郭臻 杨童 颜学庆
受保护的技术使用者：北京大学
技术研发日：2023.06.02
技术公布日：2023/9/9