[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

说明书

本发明公开了一种基于深度学习的冰箱制冷剂检测时间监督方法，涉及目标检测与深度学习领域，通过监控相机采集冰箱制冷剂喷口漏气检查的视频数据集；利用OpenCV和深度学习对采集到的视频数据集进行处理后导入目标检测模型中进行训练；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；采用目标检测模型检测制冷剂喷口是否被工作人员检查；返回检测结果，通过计时函数对工作人员检查制冷剂喷口时间计时；设定检查时间阈值，监督制冷剂喷口检查时间是否符合生产要求。本发明通过深度学习技术对冰箱制冷剂喷口是否被检查进行检测，确保每个制冷剂喷口被工作人员以规定时间检查的冰箱的合格率。

技术领域

本发明涉及目标检测与深度学习领域，特别涉及一种基于深度学习的冰箱制冷剂检测时间监督方法。

背景技术

随着我国冰箱制造业的快速发展,冰箱产量不断增长,含氟冰箱中氯氟烃(CFCs)类制冷剂与发泡剂对于臭氧层的破坏已经成为社会广泛关注的问题。因此在工业生产领域尽可能高效地对冰箱氟利昂喷口进行合格检测的监查是非常关键的，是可持续发展中重要的一环。随着人工智能领域深度学习方向和目标检测方向的不断进步，社会上类似于的智能驾驶和智能家居等方面高效可靠的专业技术也在层出不穷。目前工业生产冰箱的氟利昂漏气喷口的检查基本都为人工检查，工作人员手持内部含有检测氟利昂传感器的工具，放在氟利昂喷口位位置进行检查。一般需要检查四个喷口，每个喷口检测时间有规定标准，存在漏检，检测时间达不到规定检测时间标准的现象。

因此，工业生产领域急需一种基于深度学习的冰箱制冷剂检测时间监督方法，提高生产检测合格率。

发明内容

为解决人工对冰箱氟利昂喷口存在漏检以及检测达不到规定时间的问题，本发明提供一种基于深度学习的冰箱制冷剂检测时间监督方法，通过深度学习的目标检测模型对生产流水线上的不同批次冰箱喷口是否被检测合格进行实时监查，大大提高了冰箱生产合格率，而且提高了生产流程中检测的效率。

一种基于深度学习的冰箱制冷剂检测时间监督方法，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。

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，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；

目标检测模型训练每批次图像数量batchsize为16。