[发明专利]安全锁检测系统、方法、装置、计算机设备和存储介质

权利要求书

1.一种安全锁检测系统，其特征在于，包括图像采集设备、光源设备和计算机设备；所述图像采集设备、所述光源设备均与所述计算机设备相连；其中：

所述计算机设备输出用于获取当前安全锁图像的控制命令；所述控制命令包括调节指令，所述调节指令用于指示所述光源设备为所述安全锁提供相应的光照条件；所述控制命令还包括驱动指令，所述驱动指令用于指示所述图像采集设备相对所述安全锁调节至相应的拍摄机位；

所述计算机设备获取所述图像采集设备传输的所述当前安全锁图像，采用安全锁检测模型处理所述当前安全锁图像，输出安全锁检测结果；所述安全锁检测模型为采用小样本训练集精调深度学习模型得到；所述小样本训练集包括多个历史安全锁图像；所述深度学习模型为采用大型公开数据集训练得到的目标检测模型。

2.根据权利要求1所述的系统，其特征在于，所述历史安全锁图像为所述图像采集设备采集的不同机位、不同光照条件下的安全锁图像；

所述安全锁包括安全绳、两个安全锁头和若干个安全锁接头；所述安全绳将所述若干个安全锁接头依次串联，且两端分别与所述两个安全锁头连接；

所述计算机设备采用插值对所述当前安全锁图像进行下采样处理，获得待输入安全锁图像；所述计算机设备采用所述安全锁检测模型对所述待输入安全锁图像依次进行特征提取和目标检测，得到待输出检测结果；所述安全锁检测模型为深度卷积神经网络模型。

3.根据权利要求2所述的系统，其特征在于，所述计算机设备对所述待输出检测结果进行非极大值抑制处理，优化所述安全锁检测结果并输出。

4.一种安全锁检测方法，其特征在于，所述方法包括：

获取当前安全锁图像，采用安全锁检测模型处理所述当前安全锁图像，输出安全锁检测结果；所述安全锁检测模型为采用小样本训练集精调深度学习模型得到；所述小样本训练集包括多个历史安全锁图像；所述深度学习模型为采用大型公开数据集训练得到的目标检测模型。

5.根据权利要求4所述的方法，其特征在于，所述历史安全锁图像为不同机位、不同光照条件下采集获取的安全锁图像；所述采用安全锁检测模型处理所述当前安全锁图像的步骤包括：

采用插值对所述当前安全锁图像进行下采样处理，获得待输入安全锁图像；

采用所述安全锁检测模型对所述待输入安全锁图像依次进行特征提取和目标检测，得到待输出检测结果；所述安全锁检测模型为深度卷积神经网络模型。

6.根据权利要求5所述的方法，其特征在于，所述采用安全锁检测模型处理所述当前安全锁图像的步骤之后，还包括步骤：

对所述待输出检测结果进行非极大值抑制处理，优化所述安全锁检测结果并输出。

7.一种安全锁检测装置，其特征在于，所述装置包括：

图像获取模块，用于获取当前安全锁图像；

模型处理模块，用于采用安全锁检测模型处理所述当前安全锁图像；所述安全锁检测模型为采用小样本训练集精调深度学习模型得到；所述小样本训练集包括多个历史安全锁图像；所述深度学习模型为采用大型公开数据集训练得到的目标检测模型；

结果输出模块，用于输出安全锁检测结果。

8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求3至6中任一项所述的方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求3至6中任一项所述的方法的步骤。

10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求3至6中任一项所述的方法的步骤。