[发明专利]一种基于OpenVINO的安全工况实时监测方法

说明书

本发明涉及一种基于OpenVINO的安全工况实时监测方法，包括英特尔神经计算棒（Intel Neural Myriad X2 VPU）、树莓派主板、YOLOX算法、PC、摄像头、显示器和服务器，所述所述神经计算棒是低功耗高性能的视觉处理单元，所述神经计算棒作为协处理器用于深度学习及人工智能视觉应用加速，在此处即利用机器视觉加速对于工况环境视频流的推理具有强大加速作用；本发明专利采用深度学习框架利用YOLOX算法和模型优化部署工具OpenVINO训练出能够适用于树莓派和神经计算棒的模型及算法并取得较好效果，可以满足复杂工况环境下安全实时监测任务。

技术领域

本发明专利涉及边缘计算技术领域，具体为一种基于OpenVINO的安全工况实时监测方法。

背景技术

OpenVINO是英特尔针对自家硬件开发的视觉应用程序和解决方案，主要包括基于卷积神经网络推理模块IE，可以部署深度学习模型部署工具包。

树莓派是一款基于Linux的单片机计算机。它由英国的树莓派基金会所开发，目的是以低价硬件及自由软件促进学校的基本计算机科学教育。虽说最初的目的是用于教育，但功能和普通电脑无异。电脑能做的大部分事情，在树莓派上都能做，而树莓派以其低能耗、移动便携性、GPIO等特性，很多在普通电脑上难以做好的事情，用树莓派却是很适合的，便于自研开发。

这两年来随着硬件设备的不断更新换代，将深度学习的技术应用到解决目标检测相关问题的案例也越来越多，并且都收获了不错的成绩。现在加速模型推理计算的硬件有很多种方式，目前英特尔神经计算棒在加速模型推理计算方面效果明显，并且价格较其他加速硬件价格便宜的优势。

发明内容

有鉴于此，本发明所要解决的技术问题是提供一种基于OpenVINO的安全工况实时监测方法。

为解决以上技术问题，本发明专利提供如下技术方案：一种基于OpenVINO的安全工况实时监测方法，其特征在于：包括英特尔神经计算棒（Intel Neural Myriad X2 VPU）、树莓派主板、YOLOX算法、PC、摄像头、显示器和服务器；所述树莓派使用轻量化的64位ARM架构平台；所述英特尔神经计算棒为低功耗高性能的视觉处理单元，所述英特尔神经计算棒作为协处理器用于深度学习及人工智能视觉应用加速，在此处即利用利用机器视觉加速对于工况环境视频流的推理作用，通过全新神经计算引擎的加速，所述英特尔神经计算棒可以实现每秒1TFlops（万亿次）计算，总体峰值性能4TFlops，支持4K视频解码，支持4K/30HzH.264/H.265、4K/60Hz M/JPEG格式，并且功耗极低；主要通过摄像头或网络摄像机，以英特尔神经计算棒为协处理器为树莓派的嵌入式CPU提供强大的推理加速功能来进行安全工况实时监测，于直接用树莓派的嵌入式CPU进行推理，不仅在推理速度上有大幅度的提升，更是在运行的稳定性和推理准确率上有了大幅提高，其中英特尔神经计算棒的VPU芯片，该VPU芯片通过全新神经计算引擎的加速，可以在功耗很低的情况下实现每秒万亿次DNN计算。

进一步的，所述所述树莓派为主控单元，主要执行模型的推理工作 。

进一步的，使用深度学习的方法，利用YOLOX和OpenVINO进行安全工况实时监测，包含以下步骤：

步骤1：构建适用于OpenVINO优化部署的YOLOX；

步骤2：构建安全工况环境数据集；

步骤3：利用安全工况环境数据集训练改进过的YOLOX，并用OpenVINO优化加速得到适用的模型文件；

步骤4：将上述得到的模型部署到树莓派和英特尔神经计算棒，使其能实时监测工况环境的安全；

步骤5：将上述监测到的未按要求着装的作业人员的实时信息截图保存，并利用服务器将相关信息发送给监测人员。

本发明的有益效果：

进一步的，在步骤1中，构建适用于OpenVINO优化部署的YOLOX时，使用能运行在神经计算棒上的激活函数等方法。