[发明专利]一种基于深度学习和图像处理的货架商品模糊检测方法

权利要求书

1.一种基于深度学习和图像处理的货架商品模糊检测方法，其特征在于，包括如下步骤：

S1、获取不同角度，不同光照，不同分辨率的货架图片；

S2、训练货架检测模型；

S3、训练商品检测模型；

S4、对货架图像进行检测，得到货架的bbox，即为货架区域；

S5、对货架区域内的像素计算拉普拉斯方差，如果高于阈值THRESHOLD_1则为清晰图片，反之进入S6；

S6、对货架图像进行商品检测，得到商品的bbox列表；

S7、对商品bbox区域的像素计算拉普拉斯方差；

S8、如果超过一半的商品的拉普拉斯方差大于THRESHOLD_2，则为清晰图片，反之为模糊。

2.根据权利要求1所述的一种基于深度学习和图像处理的货架商品模糊检测方法，其特征在于，所述S2步骤具体包括如下步骤：

S21、收集不同角度，光照的货架图片；

S22、对部分商品图片进行人工标注训练一个较弱的货架检测模型M0；

S23、使用M0对全量数据进行预标注，人工调整；

S24、使用全量数据训练货架检测模型M1。

3.根据权利要求1所述的一种基于深度学习和图像处理的货架商品模糊检测方法，其特征在于，所述S3步骤具体包括如下步骤：

S31、收集不同角度，光照的货架商品图片；

S32、对部分商品图片进行人工标注训练一个较弱的商品检测模型M2；

S33、使用M0对全量数据进行预标注，人工调整；

S34、使用全量数据训练商品检测模型M3。