[发明专利]一种基于深度学习的冰箱制冷剂检测时间监督方法

权利要求书

1.一种基于深度学习的冰箱制冷剂检测时间监督方法，其特征在于：包括以下步骤：

S1：通过监控相机采集工业生产过程中工作人员对冰箱制冷剂喷口漏气检查时的视频数据集；

S2:利用OpenCV和目标检测模型对采集到的视频数据集进行分帧及标签化处理后导入目标检测模型中进行训练，得到训练曲线和检测精度；

所述目标检测模型采用YOLOv5目标检测模型；

S3：通过监控相机对生产冰箱流水线的制冷剂喷口部位进行实时读取视频流；

S4：采用目标检测模型检测制冷剂喷口是否被工作人员检查；

S5：返回检测结果，若制冷剂喷口处于被检查状态时，通过计时函数对工作人员检查制冷剂喷口时间计时；

S6：设定检查时间阈值，若计时大于时间阈值，则制冷剂喷口检查时间符合要求，若计时小于时间阈值，则制冷剂喷口检查时间不符合要求，提示重新检查。

2.根据权利要求1所述的基于深度学习的冰箱制冷剂检测时间监督方法，其特征在于：

所述S2中采集视频数据集时采用视频分帧和目标检测模型，具体包括以下步骤：

S2.1：对视频数据集进行分帧处理并保存图像；

S2.2：对视频数据集中每一帧图像的制冷剂喷口进行锚框并标签化处理，标签化处理包括未被检测状态标签及被检测状态标签；

S2.3：将标签化处理后的视频数据集输入目标检测模型，设置状态类别、权重参数文件后，按比例分为训练集和验证集；

S2.4：训练后得到训练曲线和初始检测精度，设定检测精度阈值，若初始检测精度不满于检测精度阈值要求，采用数据增强或采集时间更长的视频数据集重复S2.1-S2.3，直至符合设定的检测精度阈值要求。

3.根据权利要求1所述的基于深度学习的冰箱制冷剂检测时间监督方法，其特征在于：

目标检测模型训练每批次图像数量batchsize为16。

4.根据权利要求1所述的基于深度学习的冰箱制冷剂检测时间监督方法，其特征在于：

训练目标检测模型的损失函数设置为CIOU_LOSS函数，如式(1)所示：

其中：

其中，IOU为目标框与预测框的交集，Distance_2为预测框与目标框的中心距离，Distance_C为最小外接矩形的对角线距离，v为目标框的宽高比，w^gt为目标框的宽，h^gt为目标框的高。

5.根据权利要求1所述的基于深度学习的冰箱制冷剂检测时间监督方法，其特征在于：

所述S3中，监控相机通过流水线预设处的相机固定平台。

6.根据权利要求1所述的基于深度学习的冰箱制冷剂检测时间监督方法，其特征在于：

所述监控相机进行视频采集时自动删除流水线上一批次的视频数据及检测结果，以减少内存累计。

7.根据权利要求1所述的基于深度学习的冰箱制冷剂检测时间监督方法，其特征在于：

所述权重参数文件，调用目标检测模型修改yaml文件的参数。