[發(fā)明專利]廠房場景識別方法、裝置、電子設備及存儲介質

在審

• 申請?zhí)枺?/td>: 202110850496.1
• 申請日: 2021-07-27
• 公開（公告）號: CN113516090A
• 公開（公告）日: 2021-10-19
• 發(fā)明（設計）人: 黃星奕;唐永亮;沈飛
• 申請（專利權）人: 盛景智能科技（嘉興）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: 北京路浩知識產權代理有限公司 11002
• 代理人: 李文清

本發(fā)明提供一種廠房場景識別方法、裝置、電子設備及存儲介質，在不改變場景識別模型的模型結構的同時，能夠以少量攜帶有標簽的訓練樣本使場景識別模型獲得較高的準確率，增加了場景識別模型的魯棒性、精度且減少了大規(guī)模數據標注成本。而且，同時也避免了大量無標注數據浪費。通過場景識別模型，可以解決現有技術中通用圖像識別模型在廠房場景識別中所面臨的大規(guī)模數據集合標注成本高等問題。

技術領域

本發(fā)明涉及目標識別技術領域，尤其涉及一種廠房場景識別方法、裝置、電子設備及存儲介質。

背景技術

生產現場管理是企業(yè)管理的一個重要組成部分，廠房工作環(huán)境管理是生產現場管理的核心環(huán)節(jié)。其核心涉及到工作意識、制度建設、行為習慣等多個方面。廠房工作環(huán)境的提升能夠營造好的工作氛圍，提高員工生產效率；形成干凈整潔的工作環(huán)境，提升產品品質；產生井然有序的辦公場所，保障安全生產；推進員工自律認真的工作態(tài)度，提高員工工作積極性。

當前基于機器視覺的廠房工作環(huán)境識別仍然處于探索階段，借鑒當前最新圖像識別模型。常見的圖像識別算法的性能對訓練集合規(guī)模具有很強的依賴性。但是，現實中廠房場景變化極其復雜，不同廠房之間、同一廠房不同時間段廠房場景都會產生極大變化，所以通用的圖像識別模型在訓練過程中需要大量的人工標注，將導致廠房場景識別中面臨數據規(guī)模大，需要標注成本高等問題。

為此，現急需提供一種廠房場景識別方法。

發(fā)明內容

本發(fā)明提供一種廠房場景識別方法、裝置、電子設備及存儲介質，用以解決現有技術中存在的缺陷。

本發(fā)明提供一種廠房場景識別方法，包括：

獲取待識別廠房圖像；

將所述待識別廠房圖像輸入至場景識別模型，得到所述場景識別模型輸出的所述待識別廠房圖像對應的廠房場景類別；

其中，所述場景識別模型基于未攜帶有廠房場景類別標簽的第一預設數量的第一類廠房圖像樣本以及攜帶有廠房場景類別標簽的第二預設數量的第二類廠房圖像樣本訓練得到，所述第一類廠房圖像樣本未攜帶有廠房場景類別標簽，所述第二類廠房圖像樣本攜帶有廠房場景類別標簽；所述第一類廠房圖像樣本的廠房場景類別標簽基于所述第二類廠房圖像樣本攜帶的廠房場景類別標簽確定。

根據本發(fā)明提供的一種廠房場景識別方法，所述場景識別模型基于如下方法訓練得到：

分別將每個第一類廠房圖像樣本以及每個第二類廠房圖像樣本輸入至待訓練場景識別模型的特征提取模塊，得到所述特征提取模塊輸出的每個第一類廠房圖像樣本的第一類編碼特征以及每個第二類廠房圖像樣本的第二類編碼特征；

基于每個第一類廠房圖像樣本的第一類編碼特征以及每個第二類廠房圖像樣本的第二類編碼特征之間的距離，確定每個第一類廠房圖像樣本的廠房場景類別標簽；

將每個第一類編碼特征輸入至所述待訓練場景識別模型的特征分類模塊，得到所述特征分類模塊輸出的每個第一類廠房圖像樣本的第一類特征概率向量；

基于每個第一類廠房圖像樣本的廠房場景類別標簽與每個第一類廠房圖像樣本的第一類特征概率向量，對所述待訓練場景識別模型進行訓練。

根據本發(fā)明提供的一種廠房場景識別方法，所述基于每個第一類廠房圖像樣本的廠房場景類別標簽與每個第一類廠房圖像樣本的第一類特征概率向量，對所述待訓練場景識別模型進行訓練，具體包括：

基于每個第一類廠房圖像樣本的廠房場景類別標簽與每個第一類廠房圖像樣本的第一類特征概率向量，計算所述待訓練場景識別模型的損失函數，并對所述待訓練場景識別模型進行梯度反轉，重新計算待訓練場景識別模型的損失函數，直至所述待訓練場景識別模型收斂，得到所述場景識別模型。