[发明专利]杂物检测方法、装置、设备及存储介质

权利要求书

1.一种杂物检测方法，其特征在于，包括以下步骤：

获取多张带有做件台的图片；

对所述多张带有做件台的图片进行目标标注，得到多个训练图像数据；

将所述多个训练图像数据输入至目标检测网络中进行训练，建立检测模型，其中，所述目标检测网络为yolov3-spp模型，包括RepVGG层、空间金字塔池化层和输出层；

获取待检测的监控视频，并将所述监控视频输入至所述检测模型，得到检测结果。

2.根据权利要求1所述的杂物检测方法，其特征在于，所述对所述多张带有做件台的图片进行目标标注包括：

调用图片标注工具，对所述带有做件台的图片中的杂物进行选取，并完成标注，得到训练图像数据。

3.根据权利要求1所述的杂物检测方法，其特征在于，所述将所述多个训练图像数据输入至目标检测网络中进行训练，建立检测模型包括：

将所述训练图像数据输入至所述RepVGG层进行特征提取，得到第一特征图；

将所述第一特征图输入至所述空间金字塔池化层进行池化处理，得到第二特征图；

将所述第一特征图和第二特征图输入至所述输出层得到多个检测框；

调用损失函数计算所述检测框的位置的回归损失，并根据回归损失对所述yolov3-spp模型的参数进行调整，直至所述yolov3-spp模型收敛，得到检测模型。

4.根据权利要求3所述的杂物检测方法，其特征在于，在训练时，所述RepVGG层包括多个依次连接的RepVGG区块，每个RepVGG区块均包括依次相连的3x3卷积层和ReLU层，所述3x3卷积层设置有平行的1x1卷积分支和/或恒等映射分支；在训练完成后得到的检测模型中，将RepVGG区块中的所述1x1卷积分支和所述恒等映射分支分别与所述3x3卷积层进行融合，得到3x3卷积单元。

5.根据权利要求4所述的杂物检测方法，其特征在于，所述将RepVGG区块中的所述1x1卷积分支和恒等映射分支与所述3x3卷积层进行融合包括：

将所述1x1卷积分支填充成3x3卷积的形式，得到第一融合单元；

将恒等映射分支等效成1x1卷积的形式，将等效后的1x1卷积的形式填充成3x3卷积的形式，得到第二融合单元；

将所述第一融合单元、所述第二融合单元与所述3x3卷积层相加。

6.根据权利要求3所述的杂物检测方法，其特征在于，所述将所述第二特征图输入至所述输出层得到多个检测框后还包括：

计算所述多个检测框中重叠的检测框的置信度；

选择置信度最高的检测框作为建议框进行处理，得到新的置信度得分，将置信度得分最高的检测框进行保存；

去掉所述置信度得分最高的检测框，得到N-1个重叠的检测框，并重复上一步骤直至最后一个检测框；

将保存的检测框的置信度得分与预设的阈值进行比较，去掉置信度得分小于阈值的检测框，保留置信度得分大于阈值的检测框。

7.根据权利要求1所述的杂物检测方法，其特征在于，所述获取待检测的监控视频，并将所述监控视频输入至所述检测模型，得到检测结果包括：

获取待检测的监控视频；

将所述监控视频输入至所述RepVGG层逐帧进行特征提取，得到第三特征图；

将所述第三特征图输入至所述空间金字塔池化层进行池化处理，得到第四特征图；

将所述第三特征图和第四特征图输入至所述输出层得到目标物体的位置。

8.一种杂物检测装置，其特征在于，包括：

获取模块，用于获取多张带有做件台的图片；

标注模块，用于对所述多张带有做件台的图片进行目标标注，得到多个训练图像数据；

建模模块，用于将所述多个训练图像数据输入至目标检测网络中进行训练，建立检测模型，其中，所述目标检测网络为yolov3-spp模型，包括RepVGG层、空间金字塔池化层和输出层；

检测模块，用于获取待检测的监控视频，并将所述监控视频输入至所述检测模型，得到检测结果。