[发明专利]垃圾箱溢满检测方法、装置、智能机器人及存储介质

权利要求书

1.一种垃圾箱溢满检测方法，其特征在于，应用于智能机器人，包括：

采集待检测垃圾箱的目标图像；

将所述目标图像输入到目标溢满检测模型，对所述目标图像进行多尺度分割，生成多尺度特征图像，所述多尺度特征图像中包含多个尺度目标；

对所述多尺度特征图像进行目标检测，确定所述待检测垃圾箱在所述目标图像中的目标位置区域；

对所述多尺度特征图像进行特征提取，生成每个所述尺度目标的原型掩膜；

对多个所述原型掩膜和所述目标位置区域进行组合运算，得到所述待检测垃圾箱的垃圾溢满检测结果。

2.如权利要求1所述的垃圾箱溢满检测方法，其特征在于，所述将所述目标图像输入到目标溢满检测模型，对所述目标图像进行多尺度分割，生成多尺度特征图像，包括：

基于所述目标溢满检测模型中的Backbone网络，对所述目标图像进行特征提取，得到所述目标图像的多尺度特征；

基于所述目标溢满检测模型中的特征金字塔FPN网络，对所述多尺度特征进行多次降采样和上采样，得到底层特征和高层特征；

对所述底层特征和所述高层特征进行融合，得到所述多尺度特征图像。

3.如权利要求1所述的垃圾箱溢满检测方法，其特征在于，所述对所述多尺度特征图像进行目标检测，确定所述待检测垃圾箱在所述目标图像中的目标位置区域，包括：

基于所述目标溢满检测模型中的Prediction Head网络，确定所述多尺度特征图像的多个锚框位置和每个所述锚框位置的置信率；

对多个所述锚框位置和所述置信率进行非极大值抑制处理，确定所述目标位置区域。

4.如权利要求3所述的垃圾箱溢满检测方法，其特征在于，所述对多个所述锚框位置和所述置信率进行非极大值抑制处理，确定所述目标位置区域，包括：

计算多个所述锚框位置之间的重叠面积；

对于每两个所述锚框位置，若所述重叠面积大于预设值，则剔除所述置信率较小的所述锚框位置，直至所有所述锚框位置之间的重叠面积均不大于所述预设值，将所述锚框位置确定为所述目标位置区域。

5.如权利要求1所述的垃圾箱溢满检测方法，其特征在于，所述对所述多尺度特征图像进行特征提取，生成每个所述尺度目标的原型掩膜，包括：

基于所述目标溢满检测模型中的Protonet网络，对所述多尺度特征图像进行卷积操作，并在目标卷积层中的每个卷积通道输出一个所述原型掩膜，得到每个所述尺度目标的原型掩膜，所述目标卷积层为所述Protonet网络的最后一层卷积层。

6.如权利要求1所述的垃圾箱溢满检测方法，其特征在于，所述对多个所述原型掩膜和所述目标位置区域进行组合运算，得到所述待检测垃圾箱的垃圾溢满检测结果，包括：

确定所述待检测垃圾箱在所述目标图像中的实测位置；

根据所述实测位置内的原型掩膜，确定待检测垃圾箱的垃圾溢满检测结果。

7.如权利要求1所述的垃圾箱溢满检测方法，其特征在于，所述将所述目标图像输入到目标溢满检测模型，对所述目标图像进行多尺度分割，生成多尺度特征图像之前，还包括：

获取垃圾图像样本集；

基于垃圾箱图像样本集，对预设的深度学习模型进行迭代训练，直至所述深度学习模型达到预设收敛条件，得到初始溢满检测模型；

对所述初始溢满检测模型进行剪枝和TensorRT加速，得到所述目标溢满检测模型。