[发明专利]一种嵌入式物体识别方法和装置

说明书

本发明公开了一种嵌入式物体识别方法和装置，涉及嵌入式人工智能的技术领域，所述方法包括：采集物体的彩色图像并进行处理，获得处理后的图像数据；利用处理后的图像数据对构建的Combine‑MobileNet神经网络进行训练并测试，获得训练好的Combine‑MobileNet神经网络；将训练好的Combine‑MobileNet神经网络保存加载到嵌入式平台上；将待识别物体的图像数据输入嵌入式平台，对待识别物体的类别进行实时推理，获得识别结果。本发明构建的Combine‑MobileNet神经网络结构简单，计算成本低，准确度高，加载到嵌入式平台上，可以在低资源、低成本环境下实现对物体的准确识别。

技术领域

本发明涉及嵌入式人工智能的技术领域，更具体地，涉及一种嵌入式物体识别方法和装置。

背景技术

嵌入式人工智能，是一种将人工智能算法应用于终端设备上的技术概念，使各种设备能够在不联网的情况下完成环境感知、人机交互等功能。嵌入式系统是人工智能技术重要的承载平台，在物流服务领域的自动分拣机器人、自动送货汽车等，安全防范邻域的人脸识别、指纹识别、智能摄像机等，城市交通邻域的自动泊车、自动车辆识别、智能停车场等，医疗服务的病例诊断、智能消毒机器人等，都是人工智能与嵌入式结合产生的新应用。用于嵌入式系统的深度神经网络对计算能力和资源都有非常高的要求，导致系统功耗的增加；支持深度神经网络加速的处理器通常是集成多种体系结构的复杂SoC，使用成本极高。现有的嵌入式物体识别采用复杂度极高、成本昂贵的芯片，不利于学习与使用；在低资源、低成本芯片上难以实现，也并不适应单一的任务，容易造成资源浪费；可以在低资源的芯片上实现的嵌入式物体识别，采用的模型简单、训练策略和评价策略单一，使嵌入式物体识别的准确度较低。

2021年7月20日公开的中国专利申请CN113138789A提供了一种嵌入式物体认知系统，包括：程序更新模块、摄像头模块、显示屏模块、三色灯模块和主控芯片；所述主控芯片分别与所述程序更新模块、摄像头模块、显示屏模块、三色灯模块连接；所述主控芯片根据程序更新模块的输入进行程序更新，接收所述摄像头模块获取的图像数据，并进行图像压缩、输入标准化、图像识别，将结果显示在所述显示屏模块上。该发明仅能识别数字0～9，局限性较大，对其他复杂的物体进行识别时，需要高储存环境和计算成本，否则就无法实现准确识别。

发明内容

本发明为克服上述现有的嵌入式物体识别技术无法在低资源、低成本环境下准确识别物体的缺陷，提供一种嵌入式物体识别方法和装置，可以在低资源、低成本环境下实现对物体的准确识别。

为解决上述技术问题，本发明的技术方案如下：

本发明提供一种嵌入式物体识别方法，包括：

S1：采集物体的彩色图像；

S2：对彩色图像进行处理，获得处理后的图像数据；

S3：利用处理后的图像数据对构建的Combine-MobileNet神经网络进行训练并测试，获得训练好的Combine-MobileNet神经网络；

S4：将训练好的Combine-MobileNet神经网络保存加载到嵌入式平台上；

S5：将待识别物体的图像数据输入嵌入式平台，对待识别物体的类别进行实时推理，获得识别结果。

优选地，所述步骤S2中，对彩色图像进行处理的具体步骤为：

S2.1：将彩色图像转化为灰度图像；

S2.2：将灰度图像随机划分为训练图像和测试图像；

S2.3：对训练图像进行数据增强操作，获得增强训练图像；

S2.4：对增强训练图像进行下采样，获得下采样训练图像。

优选地，所述步骤S2.3中，对训练图像进行的数据增强操作包括：旋转、裁剪、平移和高斯噪声。