[發明專利]基于深度學習的白色球體檢測方法、裝置、設備及介質

在審

• 申請號: 202210134853.9
• 申請日: 2022-02-14
• 公開（公告）號: CN114511783A
• 公開（公告）日: 2022-05-17
• 發明（設計）人: 許召輝;吳宇;宋曉勇;程松林
• 申請（專利權）人: 中航華東光電（上海）有限公司
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06N3/04;G06N3/08
• 代理公司: 上海樂泓專利代理事務所(普通合伙) 31385
• 代理人: 張雪

本發明公開了一種基于深度學習的白色球體檢測方法、裝置、電子設備及介質，屬于機器視覺技術領域。它包括將待檢測圖像集輸入白色球體檢測模型中進行處理，確定所述待檢測圖像中白色球體的位置信息；根據待檢測圖像集中白色球體的位置信息，在所述待檢測圖像中定位白色球體的位置；其中，所述白色球體檢測模型包括第一特征提取網絡、區域生成網絡RPN、生成對抗網絡GAN、第二特征提取網絡以及目標檢測網絡。本發明能即使在大計算量的情況下，仍然能夠控制計算的數據量，提高白色球體檢測的準確性，進而能夠有效改善機器人的檢測功能，提高機器人回收白色球體的效率。

技術領域

本發明屬于機器視覺技術領域，更具體地說，涉及一種基于深度學習的白色球體檢測方法、裝置、電子設備及介質。

背景技術

目前，隨著人工智能的發展，基于深度學習的圖像識別和目標檢測已經逐漸走進人們的生活。

在高爾夫練習場的大面積多目標單一環境下，會在短時間內積累大量的白色球體，人工撿球的方式，需要在結束練習場運營后才能回收白色球體，撿球效率低，且影響運營效果，因而更多采用白色球體回收機器人對白色球體進行回收。

針對上述問題也進行了相應的改進。在現有白色球體回收機器人的設計中，需要草坪進行遍歷掃描，確保盡可能的回收所有白色球體。傳統圖像識別檢測白色球體的方法，如顏色、模板匹配等，因草坪面積過大，草坪遮擋等原因，會出現識別準確率低、誤差大等問題；其他的現有技術改進中，如中國專利申請號CN202011425522.8，公開日為2021年03月09日，該專利公開了一種基于YOLOv4和嵌入式平臺的高爾夫球檢測方法，它先制作高爾夫球數據集；接著，在電腦端搭建Darknet框架所需軟件環境，嵌入式設備燒錄系統鏡像必需軟件；然后，對數據集的白色球體目標框運行K-means++聚類；接著，使用YOLOv4模型對高爾夫數據集進行訓練；之后，將電腦端訓練好的YOLOv4權重轉化為ONNX格式；之后，將ONNX格式文件轉換為TensorRT引擎文件；最后，使用引擎文件對白色球體進行識別即可。采用該方法可基本避免漏檢的情況，模型部署的難度較小，較Darknet框架運行的速度更快。但上述方法仍存在以下不足：基于YOLOv4和嵌入式平臺的白色球體檢測方法需要對實時視頻進行處理，采集到的龐大無用數據降低了資源利用率，提高了對硬件的要求，雖然提高了準確率，但提升了成本。

發明內容

1、要解決的問題

針對現有技術中存在的對白色球體的識別準確率和檢測成本之間無法平衡的問題，本發明提供一種基于深度學習的白色球體檢測方法、裝置、電子設備及介質，即使在大計算量的情況下，仍然能夠控制計算的數據量，提高白色球體檢測的準確性，進而能夠有效改善機器人的檢測功能，提高機器人回收白色球體的效率。

2、技術方案

為解決上述問題，本發明采用如下的技術方案。

本申請的第一個方面，提供一種基于深度學習的白色球體檢測方法，包括以下步驟：

將待檢測圖像集輸入白色球體檢測模型中進行處理，確定所述待檢測圖像中白色球體的位置信息；

根據待檢測圖像集中白色球體的位置信息，在所述待檢測圖像中定位白色球體的位置；

其中，所述白色球體檢測模型包括第一特征提取網絡、區域生成網絡RPN、生成對抗網絡GAN、第二特征提取網絡以及目標檢測網絡。

在第一方面的一種可能的實現方式中，步驟S100中，將待檢測圖像集輸入白色球體檢測模型中進行處理，確定所述待檢測圖像中白色球體的位置信息包括：

步驟S1、將待檢測圖像集輸入第一特征提取網絡中進行處理，提取待檢測圖像集的圖像特征信息；

步驟S2、依據所述圖像特征信息，對提取得到的特征圖進行篩選，得到包含明顯物體的特征圖；