[發明專利]遠距離多工位物體檢測方法、系統及存儲介質

在審

• 申請號: 201911143611.0
• 申請日: 2019-11-20
• 公開（公告）號: CN111027413A
• 公開（公告）日: 2020-04-17
• 發明（設計）人: 關日釗;肖盼;林健發;陳宣瑾;黃冠成
• 申請（專利權）人: 佛山締樂視覺科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 何文聰

1.遠距離多工位物體檢測方法，其特征在于：包括以下步驟：

通過Jetson-Nano發出圖像獲取請求指令；

通過POE交換機將圖像獲取請求指令發送至POE攝像頭；

根據圖像獲取請求指令，通過POE攝像頭實時獲取圖像，并將獲取到的圖像發送至Jetson-Nano；

通過Jetson-Nano對圖像進行檢測，根據檢測結果生成控制指令；

Jetson-Nano通過外部IO接口將控制指令發送到外部報警設備，完成物體檢測周期。

2.根據權利要求1所述的遠距離多工位物體檢測方法，其特征在于：還包括構建檢測模型的步驟。

3.根據權利要求2所述的遠距離多工位物體檢測方法，其特征在于：所述構建檢測模型的步驟包括以下步驟：

采集樣本圖像；

標記每張樣本圖像的物體類型，根據物體類型對應的圖像坐標以及圖像類別生成標記文件；

將樣本圖像和標記文件輸入R-FCN目標檢測網絡中進行訓練，輸出權重模型文件，得到檢測模型；其中，R-FCN目標檢測網絡中的特征提取網絡采用ResNet-50網絡。

4.根據權利要求3所述的遠距離多工位物體檢測方法，其特征在于：所述將樣本圖像和標記文件輸入R-FCN目標檢測網絡中進行訓練，輸出權重模型文件，得到檢測模型這一步驟，包括以下步驟：

將樣本圖像作為輸入單元輸入到特征提取網絡ResNet-50中進行特征提取，獲得一系列特征圖；

通過損失函數來計算每個樣本圖像的損失值；

確定所有樣本圖像的損失值總和大于預設閾值后，通過梯度下降法對權值進行更新，并返回執行將樣本圖像作為輸入單元輸入到特征提取網絡ResNet-50中進行特征提取，獲得一系列特征圖的步驟，直至所有樣本圖像的損失值總和小于或者等于預設閾值。

5.根據權利要求4所述的遠距離多工位物體檢測方法，其特征在于：所述通過Jetson-Nano對圖像進行檢測，根據檢測結果生成控制指令這一步驟，包括以下步驟：

載入檢測模型，提取檢測模型中的權重信息，并初始化ResNet-50網絡；

將獲取到的圖像輸入ResNet-50網絡進行預測，得到檢測結果。

6.根據權利要求5所述的遠距離多工位物體檢測方法，其特征在于：所述將獲取到的圖像輸入ResNet-50網絡進行預測，得到檢測結果這一步驟，包括以下步驟：

通過拉普拉斯濾波算法對獲取到的圖像進行預處理；

將預處理后的圖像作為輸入變量，計算輸入變量的預測值。

7.遠距離多工位物體檢測系統，其特征在于：包括：

請求模塊，用于通過Jetson-Nano發出圖像獲取請求指令；

通訊模塊，用于通過POE交換機將圖像獲取請求指令發送至POE攝像頭；

獲取模塊，用于根據圖像獲取請求指令，通過POE攝像頭實時獲取圖像，并將獲取到的圖像發送至Jetson-Nano；

檢測模塊，用于通過Jetson-Nano對圖像進行檢測，根據檢測結果生成控制指令；

報警模塊，用于Jetson-Nano通過外部IO接口將控制指令發送到外部報警設備，完成物體檢測周期。

8.根據權利要求7所述的遠距離多工位物體檢測系統，其特征在于：還包括訓練模塊；

所述訓練模塊具體包括：

采集單元，用于采集樣本圖像；

標記單元，用于標記每張樣本圖像的物體類型，根據物體類型對應的圖像坐標以及圖像類別生成標記文件；

訓練單元，用于將樣本圖像和標記文件輸入R-FCN目標檢測網絡中進行訓練，輸出權重模型文件，得到檢測模型；其中，R-FCN目標檢測網絡中的特征提取網絡采用ResNet-50網絡。