[发明专利]杂物检测方法、装置、设备及存储介质

说明书

本发明涉及一种杂物检测方法、装置、设备及存储介质，其中，方法包括：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。本发明能够避免操作环境的脏乱给快递带来的影响。

技术领域

本发明涉及图像识别处理技术领域，特别是涉及一种杂物检测方法、装置、设备及存储介质。

背景技术

为了更好地服务客户，快件准确、安全、无损的送到客户手中，分拨运作需要趋向于规范，工作环境需要整洁。但是也存在个别分拨中心工作环境脏乱，不符合公司的6s规定，因此有必要充分利用摄像头信息去分析做件台整洁情况。

发明内容

本发明所要解决的技术问题是提供一种杂物检测方法、装置、设备及存储介质，能够避免操作环境的脏乱给快递带来的影响。

本发明解决其技术问题所采用的技术方案是：提供一种杂物检测方法，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。

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。

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。

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。

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。

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；