[發明專利]一種基于半錨式檢測器的目標檢測方法

在審

• 申請號: 202011381559.5
• 申請日: 2020-12-01
• 公開（公告）號: CN112418131A
• 公開（公告）日: 2021-02-26
• 發明（設計）人: 李俊宇;楊淑愛;黃坤山;謝克慶
• 申請（專利權）人: 佛山市南海區廣工大數控裝備協同創新研究院;佛山市廣工大數控裝備技術發展有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 廣州科沃園專利代理有限公司 44416
• 代理人: 馬盼

1.一種基于半錨式檢測器的目標檢測方法，其特征在于，包括如下步驟：

S01：獲取目標檢測圖像；

S02：將所述目標檢測圖像中的缺陷進行標注，將標注之后的目標檢測圖像進行可視化，獲取不同缺陷的目標檢測圖像對應的數據量占比；

S03：根據不同缺陷的目標檢測圖像對應的數據量占比，將目標檢測圖像分為訓練圖像和測試圖像；所述訓練圖像和測試圖像均包含各個種類缺陷的目標檢測圖像；

S04：搭建半錨式檢測器模型結構，輸入所述訓練圖像，利用梯度下降法和focal損失來訓練半錨式檢測器模型結構，反復學習后得到收斂后的半錨式檢測器模型；其中，所述半錨式檢測器模型結構包括特征提取部分、分類分支和預測框回歸分支；所述特征提取部分的輸出端同時連接所述分類分支和預測框回歸分支的輸入端；

S05：利用所述測試圖像對半錨式檢測器模型進行測試，若所述半錨式檢測器模型的準確率大于閾值，則輸出半錨式檢測器模型；若半錨式檢測器模型的準確率小于等于閾值，則返回步驟S04重新對所述半錨式檢測器模型結構進行訓練。

2.根據權利要求1所述的一種基于半錨式檢測器的目標檢測方法，其特征在于，所述步驟S01中利用工業相機拍攝生產線上的酒瓶圖像作為目標檢測圖像。

3.根據權利要求2所述的一種基于半錨式檢測器的目標檢測方法，其特征在于，所述工業相機為兩個，分別拍攝瓶蓋圖像和瓶身圖像，所述瓶蓋圖像和瓶身圖像共同形成目標檢測圖像。

4.根據權利要求1所述的一種基于半錨式檢測器的目標檢測方法，其特征在于，所述步驟S02利用panda庫和matplotlib庫將標注之后的目標檢測圖像進行可視化。

5.根據權利要求1所述的一種基于半錨式檢測器的目標檢測方法，其特征在于，所述步驟S04具體包括：

S041：所述訓練圖像輸入至特征提取部分進行特征提取，獲得該訓練圖像的特征圖；

S042：將所述特征圖同時輸入至分類分支和預測框回歸分支；所述分類分支輸出預測類別值，所述預測框回歸分支輸出預測框的角點坐標值和預測框的類別預測值；

S043：綜合所述預測類別值、預測框的角點坐標值和預測框的類別預測值，利用梯度下降法和focal損失來訓練半錨式檢測器模型結構。

6.根據權利要求5所述的一種基于半錨式檢測器的目標檢測方法，其特征在于，所述分類分支包括四個1×1×255的卷積層一個1×1×C的卷積層，C表示目標檢測圖像中的缺陷種類數。

7.根據權利要求6所述的一種基于半錨式檢測器的目標檢測方法，其特征在于，所述預測類別值的獲取方法如下：

將提取的特征圖經過四個1×1×255的卷積層和一個1×1×C的卷積層得到錨點的分類預測值Y，其中每個通道上的像素點代表預測為前景的置信分數yi，通過如下公式將置信分數yi轉換為初始預測類別值：

其中，K表示每個位置關聯的不同比例的預測框的個數；

對初始預測類別值進行如下分類：

然后求每個通道上該點的最大值，即為預測類別值：

。

8.根據權利要求5所述的一種基于半錨式檢測器的目標檢測方法，其特征在于，所述預測框回歸分支包括四個1×1×255的卷積層、一個1×1×4K的卷積層和一個1×1×K的卷積層；所述四個1×1×255的卷積層依次連接，且最后一個1×1×255卷積層的輸出端分別連接1×1×4K卷積層和1×1×K卷積層的輸入端，K表示每個位置關聯的不同比例的預測框的個數。

9.根據權利要求1所述的一種基于半錨式檢測器的目標檢測方法，其特征在于，還包括S06：獲得最終的模型應用在現場識別系統上進行調試；所述現場識別系統包括工業相機和生產酒瓶的生產線；所述工業相機包括兩個，分別用于拍攝生產線上的瓶身圖像和瓶蓋圖像。