[发明专利]产线物品基于目标检测的识别方法及系统

权利要求书

1.一种产线物品基于目标检测的识别方法，其特征在于，包括：

获取商品在生产状态下不同角度的照片，组成训练数据集；

对训练数据集中的照片进行商品类别及边界的标注，生成标签数据；

将照片及对应的标签数据输入至fasterrcnn模型中，进行模型训练；

利用完成训练的fasterrcnn模型进行目标检测识别。

2.根据权利要求1所述的产线物品基于目标检测的识别方法，其特征在于，获取商品在生产状态下不同角度的照片，组成训练数据集，包括：

从三个角度对商品进行拍照,同时物品底部的转盘会按照的一定的速度转动，形成商品的照片。

3.根据权利要求1所述的产线物品基于目标检测的识别方法，其特征在于，对训练数据集中的照片进行商品类别及边界的标注，生成标签数据，包括：

为图片里的物品打标签；

图片的标签转成对应的xml文件，方便作为模型的输入。

4.根据权利要求3所述的产线物品基于目标检测的识别方法，其特征在于，为图片里的物品打标签，包括：

利用labelme软件为上述照片的每个物品加bound以及类别。

5.根据权利要求1所述的产线物品基于目标检测的识别方法，其特征在于，将照片及对应的标签数据输入至fasterrcnn模型中，进行模型训练，包括：

FasterRCNN首先使用一组基础的conv+relu+pooling层提取image的featuremaps；

RPN网络通过softmax判断anchors属于positive或者negative，再利用boundingboxregression修正anchors获得精确的proposals；

RoiPooling层收集输入的featuremaps和proposals，综合这些信息后提取proposalfeaturemaps，送入后续全连接层判定目标类别；

Classification利用proposalfeaturemaps计算proposal的类别，同时再次boundingboxregression获得检测框最终的精确位置。

6.一种产线物品基于目标检测的识别系统，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现根据权利要求1至5任意一项所述的产线物品基于目标检测的识别方法。