[发明专利]物品加料的异常行为检测方法、系统和电子装置

说明书

本申请涉及一种物品加料的异常行为检测方法、系统和电子装置，其中，该的异常行为检测方法包括：获取针对物品加料过程采集的待检测图像；将该待检测图像输入至预先训练的物品检测模型，确定该待检测图像的物品区域；根据该物品区域和目标检测区域的关联信息，确定该物品加料过程中是否存在异常，其中，该目标检测区域基于该物品加料过程中添加该物品的区域确定的。通过本申请，解决了物品加料异常检测的效率低的问题，实现了针对物品加料是否异常的高效、准确检测方法。

技术领域

本申请涉及物品加料异常检测领域，特别是涉及物品加料的异常行为检测方法、系统和电子装置。

背景技术

在实际的生产场景中，类似烟叶传送带上的烟叶数量等物品加料量是产线需要时时关注的问题，尤其当物品加料量少于一定阈值时，会影响后续设备的正常工作，从而影响生产效率，需要对烟叶等物品加料的情况进行检测。在相关技术中，加料量的控制通常是由人工监控完成，这种方式效率较低，且如果做到实施监督需要花费巨大的劳动量，人力成本较高；或者通过传感器进行加料监控，但传感器适用范围受设备限制，监控灵活性较低，从而导致针对物品加料异常检测的效率较低。

目前针对相关技术中物品加料异常检测的效率低的问题，尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种物品加料的异常行为检测方法、系统和电子装置，以至少解决相关技术中烟叶加料异常检测的效率低的问题。

第一方面，本申请实施例提供了一种物品加料的异常行为检测方法，所述方法包括：

获取针对物品加料过程采集的待检测图像；

将所述待检测图像输入至预先训练的物品检测模型，确定所述待检测图像的物品区域；

基于所述物品区域和目标检测区域的关联信息，确定所述物品加料过程中是否存在异常行为，其中，所述目标检测区域基于所述物品加料过程中添加所述物品的区域确定的。

在其中一些实施例中，所述获取物品加料过程中的待检测图像之前，所述方法还包括：

获取预设物品图像和物品标注信息；

根据所述物品标注信息对所述预设物品图像进行标注处理以得到第一训练数据，并利用均值减法对所述第一训练数据进行预处理得到第二训练数据；

将所述第二训练数据输入至预设的高分辨率网络进行训练，以得到所述物品检测模型。

在其中一些实施例中，所述将所述第二训练数据输入至预设的高分辨率网络进行训练，以得到所述物品检测模型包括：

将所述训练数据输入至所述高分辨率网络的至少两个阶段子网络，以使得每个所述阶段子网络分别输出物品特征和分辨率下采样结果，并将所述物品特征和所述分辨率下采样结果进行融合处理得到对应的特征提取信息；

对每个所述特征提取信息进行上采样处理以得到上采样结果，并将所有所述上采样结果进行融合得到融合结果；

设置学习率和衰减方式，并根据所述学习率、衰减方式和所述融合结果训练所述高分辨率网络，以使得待所述第二训练数据迭代结束后得到所述物品检测模型。

在其中一些实施例中，所述基于所述物品区域和目标检测区域的关联信息，确定所述物品加料过程中是否存在异常行为包括：

确定所述目标检测区域和所述物品区域的重叠程度；

根据所述重叠程度确定所述物品加料过程中是否存在异常行为

在其中一些实施例中，所述确定所述目标检测区域和所述物品区域的重叠程度，果包括：

计算得到所述目标检测区域和所述物品区域之间的物品面积交集结果，并根据所述物品面积交集结果和所述目标检测区域计算得到所述物品加料结果。