本发明涉及针对饮料瓶回收视觉检测领域,特别是涉及某种基于迁移学习的饮料瓶回收视觉检测方法,该方法包括如下步骤:将不同的饮料瓶放入饮料瓶回收机的投瓶口,传送带装置将饮料瓶传至内部,饮料瓶回收机顶部的摄像头采集饮料瓶图像数据;使用图像标注软件对上述的饮料瓶的图像数据进行人工标注;对上述的饮料瓶的图像数据进行预处理;对上述的饮料瓶的图像进行数据增强处理;定义训练和验证所用的数据集;迁移学习模型构建及训练,加载预训练目标检测模型,使用饮料瓶的图像数据进行迁移学习微调阶段参数学习;模型效果评估,评估目标检测模型的均值平均精度值;模型导出和部署,导出和部署饮料瓶回收视觉检测的CPU和NPU模型。
1.某种基于迁移学习的饮料瓶回收视觉检测方法,其特征在于,该方法的实现过程包括: S01、将不同的饮料瓶放入饮料瓶回收机的投瓶口,传送带装置将饮料瓶传至内部,饮料瓶回收机顶部的摄像头采集饮料瓶图像数据; S02、使用图像标注软件对上述的饮料瓶的图像数据进行人工标注; S03、对上述的饮料瓶的图像数据进行预处理; S04、对上述的饮料瓶的图像进行数据增强处理; S05、定义训练和验证所用的数据集; S06、迁移学习模型构建及训练,加载预训练目标检测模型,使用饮料瓶的图像数据进行迁移学习微调阶段参数学习; S07、模型效果评估,评估目标检测模型的均值平均精度值(mAP); S08、模型导出和部署,导出和部署饮料瓶回收视觉检测的CPU和NPU模型。
2.根据权利要求1所述的某种基于迁移学习的饮料瓶回收视觉检测方法,其特征在于,所述步骤S01中饮料瓶回收顶部摄像头可以是一个或多个CCD摄像头,也可以是一个或多个CMOS摄像头。
3.根据权利要求1所述的某种基于迁移学习的饮料瓶回收视觉检测方法,其特征在于,所述步骤S02人工标注饮料瓶数据集可以是COCO格式,也可以是VOC格式。
4.根据权利要求1所述的某种基于迁移学习的饮料瓶回收视觉检测方法,其特征在于,所述步骤S03中,对饮料瓶图像数据通过程序自动完成预处理,预处理包括调整色调、对比度,图像大小。
5.根据权利要求1所述的某种基于迁移学习的饮料瓶回收视觉检测方法,其特征在于,所述步骤S04中,图像数据增强处理包括对图像进行旋转、随机平移、图像翻转、改变色调和饱和度、对比度增强、随机裁剪图像、随机扩张图像或图像标准化操作中的一项或多项。
6.根据权利要求1所述的某种基于迁移学习的饮料瓶回收视觉检测方法,其特征在于,所述步骤S05中,定义训练和验证所用的数据集使用随机采样的方式分割,将数据划分训练集、验证集和测试集,训练集、验证集和测试集的比例为6:2:2。
7.根据权利要求1所述的某种基于迁移学习的饮料瓶回收视觉检测方法,其特征在于,所述步骤S06中,加载预训练目标检测模型包括ResNet、Yolo、VGG、MobileNet、LeNet、CNN中一项或多项。
8.根据权利要求1所述的某种基于迁移学习的饮料瓶回收视觉检测方法,其特征在于,所述步骤S07中,评估模型效果使用评估目标检测模型的均值平均精度值。
9.根据权利要求1所述的某种基于迁移学习的饮料瓶回收视觉检测方法,其特征在于,所述步骤S08中,训练好的模型包括可在手机APP部署或Linux平台上部署的CPU和NPU视觉检测模型。
文章来源:互联网,倘若您发现本站有侵权或不当信息,请与本站联系,经本站核实后将尽快修正!