[发明专利]基于自适应空间特征融合的排爆机器人危险品检测方法

权利要求书

1.基于自适应空间特征融合的排爆机器人危险品检测方法，应用于电子设备，其特征在于，包括以下步骤：

(1)构建危险物数据集，具体为从互联网抓取数据获取初始危险物数据集，对初始危险物数据集进行清洗后再对其进行标注，最后对标注完成的数据集进行数据增强即得危险物数据集；

(2)使用步骤(1)得到的危险物数据集训练危险物检测模型，其训练过程即以已知类别的物品图像为输入，以物品的对应类别概率为理论输出，不断调整模型参数的过程，训练的终止条件为达到训练次数上限，所述危险物检测模型是以MobileNetV3作为主干提取网络，采用ASFF特征融合策略的YOLOV4模型；

(3)获取排爆机器人采集到的待检测品照片后将其输入步骤(2)训练得到的危险物检测模型即得待检测品的对应类别。

2.根据权利要求1所述的基于自适应空间特征融合的排爆机器人危险品检测方法，其特征在于，所述从互联网抓取数据获取初始危险物数据集具体是利用python语言的Scrapy框架通过指定关键字的方式在互联网网站上爬取数据即得初始危险物数据集。

3.根据权利要求1所述的基于自适应空间特征融合的排爆机器人危险品检测方法，其特征在于，所述对初始危险物数据集进行清洗是指使用结构相似性指数去除初始危险物数据集中的重复数据；

所述标注是指使用图形标注软件，按照指定数据集的格式标注图片。

4.根据权利要求1所述的基于自适应空间特征融合的排爆机器人危险品检测方法，其特征在于，所述数据增强是指分别采用平移、镜像翻转、增强色彩、增强亮度、弱化亮度以及遮挡策略对标注完成的数据集进行增强。

5.根据权利要求1所述的基于自适应空间特征融合的排爆机器人危险品检测方法，其特征在于，所述危险物检测模型中的分类损失函数被类别平衡损失函数替换，所述类别平衡损失函数的公式具体如下：

其中K表示类别，W_cls[K]表示类别K的权重因子，N_k表示类别K的数据量，P_ik表示样本i被所生成的模型预测为类别K的概率，y_ik表示第i个样本的真实标签，α表示用于控制W_cls[K]的增长速度，α∈[0,1)。

6.根据权利要求1所述的基于自适应空间特征融合的排爆机器人危险品检测方法，其特征在于，所述物品的类别包括手雷、子弹、烟花类危险物、煤气类危险物、地雷、炸弹、木柄手榴弹和定时炸弹。

7.一种电子设备，其特征在于，包括一个或多个处理器、一个或多个存储器、一个或多个程序、用于从互联网抓取数据的数据抓取设备以及用于获取待检测品照片的图像采集装置；

所述一个或多个程序被存储在所述存储器中，当所述一个或多个程序被所述处理器执行时，使得所述电子设备执行如权利要求1～6任一项所述的基于自适应空间特征融合的排爆机器人危险品检测方法。