[发明专利]远距离多工位物体检测方法、系统及存储介质

权利要求书

1.远距离多工位物体检测方法，其特征在于：包括以下步骤：

通过Jetson-Nano发出图像获取请求指令；

通过POE交换机将图像获取请求指令发送至POE摄像头；

根据图像获取请求指令，通过POE摄像头实时获取图像，并将获取到的图像发送至Jetson-Nano；

通过Jetson-Nano对图像进行检测，根据检测结果生成控制指令；

Jetson-Nano通过外部IO接口将控制指令发送到外部报警设备，完成物体检测周期。

2.根据权利要求1所述的远距离多工位物体检测方法，其特征在于：还包括构建检测模型的步骤。

3.根据权利要求2所述的远距离多工位物体检测方法，其特征在于：所述构建检测模型的步骤包括以下步骤：

采集样本图像；

标记每张样本图像的物体类型，根据物体类型对应的图像坐标以及图像类别生成标记文件；

将样本图像和标记文件输入R-FCN目标检测网络中进行训练，输出权重模型文件，得到检测模型；其中，R-FCN目标检测网络中的特征提取网络采用ResNet-50网络。

4.根据权利要求3所述的远距离多工位物体检测方法，其特征在于：所述将样本图像和标记文件输入R-FCN目标检测网络中进行训练，输出权重模型文件，得到检测模型这一步骤，包括以下步骤：

将样本图像作为输入单元输入到特征提取网络ResNet-50中进行特征提取，获得一系列特征图；

通过损失函数来计算每个样本图像的损失值；

确定所有样本图像的损失值总和大于预设阈值后，通过梯度下降法对权值进行更新，并返回执行将样本图像作为输入单元输入到特征提取网络ResNet-50中进行特征提取，获得一系列特征图的步骤，直至所有样本图像的损失值总和小于或者等于预设阈值。

5.根据权利要求4所述的远距离多工位物体检测方法，其特征在于：所述通过Jetson-Nano对图像进行检测，根据检测结果生成控制指令这一步骤，包括以下步骤：

载入检测模型，提取检测模型中的权重信息，并初始化ResNet-50网络；

将获取到的图像输入ResNet-50网络进行预测，得到检测结果。

6.根据权利要求5所述的远距离多工位物体检测方法，其特征在于：所述将获取到的图像输入ResNet-50网络进行预测，得到检测结果这一步骤，包括以下步骤：

通过拉普拉斯滤波算法对获取到的图像进行预处理；

将预处理后的图像作为输入变量，计算输入变量的预测值。

7.远距离多工位物体检测系统，其特征在于：包括：

请求模块，用于通过Jetson-Nano发出图像获取请求指令；

通讯模块，用于通过POE交换机将图像获取请求指令发送至POE摄像头；

获取模块，用于根据图像获取请求指令，通过POE摄像头实时获取图像，并将获取到的图像发送至Jetson-Nano；

检测模块，用于通过Jetson-Nano对图像进行检测，根据检测结果生成控制指令；

报警模块，用于Jetson-Nano通过外部IO接口将控制指令发送到外部报警设备，完成物体检测周期。

8.根据权利要求7所述的远距离多工位物体检测系统，其特征在于：还包括训练模块；

所述训练模块具体包括：

采集单元，用于采集样本图像；

标记单元，用于标记每张样本图像的物体类型，根据物体类型对应的图像坐标以及图像类别生成标记文件；

训练单元，用于将样本图像和标记文件输入R-FCN目标检测网络中进行训练，输出权重模型文件，得到检测模型；其中，R-FCN目标检测网络中的特征提取网络采用ResNet-50网络。