[发明专利]智能储物柜的边缘点检测模型训练方法、设备和存储介质

说明书

本发明涉及一种智能储物柜的边缘点检测模型训练方法、设备和存储介质，方法包括以下步骤：采集智能储物柜在不同开口状态下的俯视图，对于每一张智能储物柜俯视图，提取多个样本图像，获取每个样本图像中标注的智能储物柜开口处的边缘点坐标，将样本图像和对应的边缘点坐标构成样本数据集；构建轻量化卷积神经网络模型，基于所述样本数据集进行模型训练，采用梯度下降算法优化模型参数，得到训练好的智能储物柜开口边缘点检测模型。

技术领域

本发明涉及智能储物柜开口检测技术领域，尤其涉及一种智能储物柜的边缘点检测模型训练方法、设备和存储介质。

背景技术

智能储物柜具有结构紧凑、空间占用少、物资存储量大等优点，作为重要的物资储存设备，已广泛在各行业的仓库中应用。但在智能储物柜的运行过程中，由于柜体面积较大、开口位置不固定以及柜体较高造成的遮挡等问题，使得对智能储物柜开口位置进行实时视频监控较为困难，难以实现人员在仓库内行为的全流程监控。

针对这一问题，近几年出现了采用可移动导轨的驱动机构，通过驱动小视场范围的监控相机到达开口处正上方的方案。这一方案能够实现的核心技术是对智能储物柜开口处位置的实时检测，如何获取高精度的开口位置，同时控制硬件成本，对工程实现具有重要意义。

现有的智能储物柜开口处位置检测方法主要基于磁感应传感器、超声波传感器、红外传感器或机械式传感器实现，虽能够对开口位置进行较高精度的检测，但需要在智能储物柜每个柜体上均安装传感器及布线，成本较高，且难以维护。同时，由于智能储物柜柜体可沿导轨进行移动，位置不固定的特定，增加了布线施工的难度以及严重影响线材的使用寿命。具体存在以下问题：

1、每个智能储物柜柜体上均需要安装传感器，不仅成本高，还增加了故障出现的概率；2、每个传感器还需布线，由于智能储物柜柜体会沿导轨进行移动，不仅布线施工的难度大，同时频繁的拉伸弯折，会严重影响线材的使用寿命。

发明内容

鉴于上述的分析，本发明实施例旨在提供一种智能储物柜的边缘点检测模型训练方法、设备和存储介质，用以解决现有智能储物柜开口检测方法硬件成本高，可维护性差的问题。

一方面，本发明实施例提供了一种智能储物柜的边缘点检测模型训练方法，包括以下步骤：

采集智能储物柜在不同开口状态下的俯视图，对于每一张智能储物柜俯视图，提取多个样本图像，获取每个样本图像中标注的智能储物柜开口处的边缘点坐标，将样本图像和对应的边缘点坐标构成样本数据集；

构建轻量化卷积神经网络模型，基于所述样本数据集进行模型训练，采用梯度下降算法优化模型参数，得到训练好的智能储物柜开口边缘点检测模型。

进一步地，基于所述样本数据集进行模型训练，采用梯度下降算法优化模型参数，得到训练好的智能储物柜开口边缘点检测模型，包括：

按照预设比例将样本数据集划分为训练数据集和验证数据集；

基于训练集对轻量化卷积神经网络模型进行训练，基于验证集对每轮训练得到的模型进行准确度计算；

选择准确度最高的模型作为训练好的智能储物柜开口边缘点检测模型。

进一步地，采用以下步骤从每一张智能储物柜俯视图中提取多个样本图像：

在智能储物柜俯视图中，按照与智能储物柜移动方向垂直的方向上采用等间隔的方式，提取宽度为W，长度为L的多个图像作为待检测图像，其中每个待检测图像的长边与智能储物柜的移动方向平行。

进一步地，若智能储物柜当前状态下同时采集的图像数量大于1，则将采集的图像拼接得到一张完整的智能储物柜俯视图。

进一步地，采用以下步骤进行图像拼接得到一张完整的智能储物柜俯视图：

采用SIFT算法提取每张图像中的特征点；