[發明專利]雜物檢測方法、裝置、設備及存儲介質

在審

• 申請號: 202110434055.3
• 申請日: 2021-04-22
• 公開（公告）號: CN113191235A
• 公開（公告）日: 2021-07-30
• 發明（設計）人: 徐夢佳;李斯;趙齊輝
• 申請（專利權）人: 上海東普信息科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 上海泰能知識產權代理事務所(普通合伙) 31233
• 代理人: 錢文斌;宋纓

1.一種雜物檢測方法，其特征在于，包括以下步驟：

獲取多張帶有做件臺的圖片；

對所述多張帶有做件臺的圖片進行目標標注，得到多個訓練圖像數據；

將所述多個訓練圖像數據輸入至目標檢測網絡中進行訓練，建立檢測模型，其中，所述目標檢測網絡為yolov3-spp模型，包括RepVGG層、空間金字塔池化層和輸出層；

獲取待檢測的監控視頻，并將所述監控視頻輸入至所述檢測模型，得到檢測結果。

2.根據權利要求1所述的雜物檢測方法，其特征在于，所述對所述多張帶有做件臺的圖片進行目標標注包括：

調用圖片標注工具，對所述帶有做件臺的圖片中的雜物進行選取，并完成標注，得到訓練圖像數據。

3.根據權利要求1所述的雜物檢測方法，其特征在于，所述將所述多個訓練圖像數據輸入至目標檢測網絡中進行訓練，建立檢測模型包括：

將所述訓練圖像數據輸入至所述RepVGG層進行特征提取，得到第一特征圖；

將所述第一特征圖輸入至所述空間金字塔池化層進行池化處理，得到第二特征圖；

將所述第一特征圖和第二特征圖輸入至所述輸出層得到多個檢測框；

調用損失函數計算所述檢測框的位置的回歸損失，并根據回歸損失對所述yolov3-spp模型的參數進行調整，直至所述yolov3-spp模型收斂，得到檢測模型。

4.根據權利要求3所述的雜物檢測方法，其特征在于，在訓練時，所述RepVGG層包括多個依次連接的RepVGG區塊，每個RepVGG區塊均包括依次相連的3x3卷積層和ReLU層，所述3x3卷積層設置有平行的1x1卷積分支和/或恒等映射分支；在訓練完成后得到的檢測模型中，將RepVGG區塊中的所述1x1卷積分支和所述恒等映射分支分別與所述3x3卷積層進行融合，得到3x3卷積單元。

5.根據權利要求4所述的雜物檢測方法，其特征在于，所述將RepVGG區塊中的所述1x1卷積分支和恒等映射分支與所述3x3卷積層進行融合包括：

將所述1x1卷積分支填充成3x3卷積的形式，得到第一融合單元；

將恒等映射分支等效成1x1卷積的形式，將等效后的1x1卷積的形式填充成3x3卷積的形式，得到第二融合單元；

將所述第一融合單元、所述第二融合單元與所述3x3卷積層相加。

6.根據權利要求3所述的雜物檢測方法，其特征在于，所述將所述第二特征圖輸入至所述輸出層得到多個檢測框后還包括：

計算所述多個檢測框中重疊的檢測框的置信度；

選擇置信度最高的檢測框作為建議框進行處理，得到新的置信度得分，將置信度得分最高的檢測框進行保存；

去掉所述置信度得分最高的檢測框，得到N-1個重疊的檢測框，并重復上一步驟直至最后一個檢測框；

將保存的檢測框的置信度得分與預設的閾值進行比較，去掉置信度得分小于閾值的檢測框，保留置信度得分大于閾值的檢測框。

7.根據權利要求1所述的雜物檢測方法，其特征在于，所述獲取待檢測的監控視頻，并將所述監控視頻輸入至所述檢測模型，得到檢測結果包括：

獲取待檢測的監控視頻；

將所述監控視頻輸入至所述RepVGG層逐幀進行特征提取，得到第三特征圖；

將所述第三特征圖輸入至所述空間金字塔池化層進行池化處理，得到第四特征圖；

將所述第三特征圖和第四特征圖輸入至所述輸出層得到目標物體的位置。

8.一種雜物檢測裝置，其特征在于，包括：

獲取模塊，用于獲取多張帶有做件臺的圖片；

標注模塊，用于對所述多張帶有做件臺的圖片進行目標標注，得到多個訓練圖像數據；

建模模塊，用于將所述多個訓練圖像數據輸入至目標檢測網絡中進行訓練，建立檢測模型，其中，所述目標檢測網絡為yolov3-spp模型，包括RepVGG層、空間金字塔池化層和輸出層；

檢測模塊，用于獲取待檢測的監控視頻，并將所述監控視頻輸入至所述檢測模型，得到檢測結果。