[發(fā)明專利]遠(yuǎn)距離多工位物體檢測(cè)方法、系統(tǒng)及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 201911143611.0
• 申請(qǐng)日: 2019-11-20
• 公開(kāi)（公告）號(hào): CN111027413A
• 公開(kāi)（公告）日: 2020-04-17
• 發(fā)明（設(shè)計(jì)）人: 關(guān)日釗;肖盼;林健發(fā);陳宣瑾;黃冠成
• 申請(qǐng)（專利權(quán)）人: 佛山締樂(lè)視覺(jué)科技有限公司
• 主分類(lèi)號(hào): G06K9/00
• 分類(lèi)號(hào): G06K9/00;G06N3/04;G06N3/08
• 代理公司: 廣州嘉權(quán)專利商標(biāo)事務(wù)所有限公司 44205
• 代理人: 何文聰

1.遠(yuǎn)距離多工位物體檢測(cè)方法，其特征在于：包括以下步驟：

通過(guò)Jetson-Nano發(fā)出圖像獲取請(qǐng)求指令；

通過(guò)POE交換機(jī)將圖像獲取請(qǐng)求指令發(fā)送至POE攝像頭；

根據(jù)圖像獲取請(qǐng)求指令，通過(guò)POE攝像頭實(shí)時(shí)獲取圖像，并將獲取到的圖像發(fā)送至Jetson-Nano；

通過(guò)Jetson-Nano對(duì)圖像進(jìn)行檢測(cè)，根據(jù)檢測(cè)結(jié)果生成控制指令；

Jetson-Nano通過(guò)外部IO接口將控制指令發(fā)送到外部報(bào)警設(shè)備，完成物體檢測(cè)周期。

2.根據(jù)權(quán)利要求1所述的遠(yuǎn)距離多工位物體檢測(cè)方法，其特征在于：還包括構(gòu)建檢測(cè)模型的步驟。

3.根據(jù)權(quán)利要求2所述的遠(yuǎn)距離多工位物體檢測(cè)方法，其特征在于：所述構(gòu)建檢測(cè)模型的步驟包括以下步驟：

采集樣本圖像；

標(biāo)記每張樣本圖像的物體類(lèi)型，根據(jù)物體類(lèi)型對(duì)應(yīng)的圖像坐標(biāo)以及圖像類(lèi)別生成標(biāo)記文件；

將樣本圖像和標(biāo)記文件輸入R-FCN目標(biāo)檢測(cè)網(wǎng)絡(luò)中進(jìn)行訓(xùn)練，輸出權(quán)重模型文件，得到檢測(cè)模型；其中，R-FCN目標(biāo)檢測(cè)網(wǎng)絡(luò)中的特征提取網(wǎng)絡(luò)采用ResNet-50網(wǎng)絡(luò)。

4.根據(jù)權(quán)利要求3所述的遠(yuǎn)距離多工位物體檢測(cè)方法，其特征在于：所述將樣本圖像和標(biāo)記文件輸入R-FCN目標(biāo)檢測(cè)網(wǎng)絡(luò)中進(jìn)行訓(xùn)練，輸出權(quán)重模型文件，得到檢測(cè)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(wǎng)絡(luò)ResNet-50中進(jìn)行特征提取，獲得一系列特征圖；

通過(guò)損失函數(shù)來(lái)計(jì)算每個(gè)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(yù)設(shè)閾值后，通過(guò)梯度下降法對(duì)權(quán)值進(jìn)行更新，并返回執(zhí)行將樣本圖像作為輸入單元輸入到特征提取網(wǎng)絡(luò)ResNet-50中進(jìn)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(yù)設(shè)閾值。

5.根據(jù)權(quán)利要求4所述的遠(yuǎn)距離多工位物體檢測(cè)方法，其特征在于：所述通過(guò)Jetson-Nano對(duì)圖像進(jìn)行檢測(cè)，根據(jù)檢測(cè)結(jié)果生成控制指令這一步驟，包括以下步驟：

載入檢測(cè)模型，提取檢測(cè)模型中的權(quán)重信息，并初始化ResNet-50網(wǎng)絡(luò)；

將獲取到的圖像輸入ResNet-50網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)，得到檢測(cè)結(jié)果。

6.根據(jù)權(quán)利要求5所述的遠(yuǎn)距離多工位物體檢測(cè)方法，其特征在于：所述將獲取到的圖像輸入ResNet-50網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)，得到檢測(cè)結(jié)果這一步驟，包括以下步驟：

通過(guò)拉普拉斯濾波算法對(duì)獲取到的圖像進(jìn)行預(yù)處理；

將預(yù)處理后的圖像作為輸入變量，計(jì)算輸入變量的預(yù)測(cè)值。

7.遠(yuǎn)距離多工位物體檢測(cè)系統(tǒng)，其特征在于：包括：

請(qǐng)求模塊，用于通過(guò)Jetson-Nano發(fā)出圖像獲取請(qǐng)求指令；

通訊模塊，用于通過(guò)POE交換機(jī)將圖像獲取請(qǐng)求指令發(fā)送至POE攝像頭；

獲取模塊，用于根據(jù)圖像獲取請(qǐng)求指令，通過(guò)POE攝像頭實(shí)時(shí)獲取圖像，并將獲取到的圖像發(fā)送至Jetson-Nano；

檢測(cè)模塊，用于通過(guò)Jetson-Nano對(duì)圖像進(jìn)行檢測(cè)，根據(jù)檢測(cè)結(jié)果生成控制指令；

報(bào)警模塊，用于Jetson-Nano通過(guò)外部IO接口將控制指令發(fā)送到外部報(bào)警設(shè)備，完成物體檢測(cè)周期。

8.根據(jù)權(quán)利要求7所述的遠(yuǎn)距離多工位物體檢測(cè)系統(tǒng)，其特征在于：還包括訓(xùn)練模塊；

所述訓(xùn)練模塊具體包括：

采集單元，用于采集樣本圖像；

標(biāo)記單元，用于標(biāo)記每張樣本圖像的物體類(lèi)型，根據(jù)物體類(lèi)型對(duì)應(yīng)的圖像坐標(biāo)以及圖像類(lèi)別生成標(biāo)記文件；

訓(xùn)練單元，用于將樣本圖像和標(biāo)記文件輸入R-FCN目標(biāo)檢測(cè)網(wǎng)絡(luò)中進(jìn)行訓(xùn)練，輸出權(quán)重模型文件，得到檢測(cè)模型；其中，R-FCN目標(biāo)檢測(cè)網(wǎng)絡(luò)中的特征提取網(wǎng)絡(luò)采用ResNet-50網(wǎng)絡(luò)。