[发明专利]基于机器视觉和深度学习的集装箱危险品标识检测方法

权利要求书

1.一种基于机器视觉和深度学习的集装箱危险品标识检测方法，其特征在于：包括如下步骤：

步骤一、利用安装在码头起重机上的摄像头作为图像采集器，采集集装箱危险品标识数据；

步骤二、利用采集到的危险品标识数据制作数据集并对数据集进行增强处理；

步骤三、对危险品分类标识进行检测识别并输出识别结果。

2.根据权利要求1所述的基于机器视觉和深度学习的集装箱危险品标识检测方法，其特征在于：步骤一所述的集装箱危险品标识数据包括图像采集器采集到的不同角度、高度、亮度的图片，图片分辨率为：1920*1080。

3.根据权利要求1所述的基于机器视觉和深度学习的集装箱危险品标识检测方法，其特征在于：步骤二所述制作数据集的方法包括对采集到的危险品数据进行清洗、危险品分类类别目标框标注，并将标注好的图像按7:1:2的比例划分训练集、验证集、测试集。

4.根据权利要求1所述的基于机器视觉和深度学习的集装箱危险品标识检测方法，其特征在于：步骤二所述对数据集进行增强处理的方法包括：自适应高斯滤波去噪、TrivialAugment数据增强、随机生成噪声。

5.根据权利要求4所述的基于机器视觉和深度学习的集装箱危险品标识检测方法，其特征在于：自适应高斯滤波去噪时，采用如下自适应高斯滤波函数：

其中，σ为正态分布的标准方差，C为常数项，ε表示残差。

6.根据权利要求4所述的基于机器视觉和深度学习的集装箱危险品标识检测方法，其特征在于：进行Trivial Augment数据增强时，将输入图像和数据增强函数的集合A作为输入，从A中随机采样一个数据增强函数，然后从{0,1,2......30}中均匀采样一个值作为强度m，然后对输入图像进行数据增强，并返回增强后的图像。

7.根据权利要求4所述的基于机器视觉和深度学习的集装箱危险品标识检测方法，其特征在于：随机生成噪声的方法为：使用椒盐噪声随机生成图像内部的像素位置，并且随机为这些像素点赋值为0或255。

8.根据权利要求7所述的基于机器视觉和深度学习的集装箱危险品标识检测方法，其特征在于：按如下公式确定随机获取要加噪的像素位置的概率：

式中，Z表示随机获取要加噪的像素位置，P(Z)表示随机获取要加噪的像素位置概率，Pa和Pb分别表示Z在像素点a和像素点b的概率。

9.根据权利要求1所述的基于机器视觉和深度学习的集装箱危险品标识检测方法，其特征在于：步骤三所述对危险品分类标识进行检测识别的方法为：采用卷积神经网络CRSDarknet53为主干网络提取特征进行神经网络计算，提取语义信息和边缘信息后对训练好的模型进行稀疏和剪枝处理，然后再微调模型。

10.根据权利要求9所述的基于机器视觉和深度学习的集装箱危险品标识检测方法，其特征在于：提取语义信息和边缘信息后，在对网络输出层中学习到的预测数据分布和真实数据分布之间的差异进行衡量时，采用如下公式计算每一个类别的交叉熵损失：

式中，M表示类别数量，y_ic表示符号函数，p_ic表示样本i属于类别c的预测概率，N表示样本数量，Li表示样本i所属的损失。