[发明专利]一种基于深度学习的传送带上物料检测系统

权利要求书

1.一种基于深度学习的传送带上物料检测系统，其特征在于，所述系统包括视频管理模块、深度学习分类模块和数据分析模块；

所述视频管理模块包括数据获取模块、数据存储模块和API视频接口模块；所述数据获取模块能够实时获取所布置工位对应摄像头数据，并将数据传输至本机，所述数据存储模块存储所述数据获取模块获取的摄像头数据，所述API视频接口模块开放视频接口以供其他模块调用数据；

所述深度学习分类模块与所述视频管理模块连接，所述深度学习分类模块包括数据标注模块、模型训练模块和模型存储模块；所述深度学习分类模块通过API视频接口调用所述摄像头数据；所述数据标注模块对摄像头数据中选定的标注帧图片进行标注；所述模型训练模块使用标注过的数据训练深度学习目标分类模型，生成检测模型；所述模型存储模块存储所述检测模型；生成并存储所述检测模型后，所述检测模型对所述摄像头数据进行检测并生成检测数据，并将所述检测数据发送到所述数据分析模块；

所述数据分析模块与所述深度学习分类模块连接，所述数据分析模块包括数据滤波模块、结果分析模块和结果存储模块；所述数据滤波模块对所述检测数据进行滤波；所述结果分析模块对滤波后的检测数据进行分析；所述结果存储模块对滤波后的检测数据和/或分析结果进行存储；

所述模型训练模块采用卷积网络加全连接网络训练模型对数据进行训练；所述全连接网络为三层全连接网络；所述卷积网络为三层卷积网络或五层卷积网络；

所述数据标注模块包括标注工具模块，所述标注工具模块对标注帧图片进行标注；

所述数据标注模块的标注内容包括图片ID、物料种类和物料含量；

数据标注使用特定标注工具进行标注，标注工具在用户选定需要标注图片所在文件夹后显示第一张图片，右侧有填值区，填写当前图片运输物料类型代表的数字、物料量的多少，物料量的多少用0-1之间的数值表示，0表示没有，1表示满载；标注后标注信息会附加显示在图片显示区上；按键功能区有下一张、上一张、修改、删除按键，点击下一张快捷键后进行下一张图片标注工作，点击上一张快捷键为后返回上一张图片，查看是否标注正确，点击修改快捷键后，清除当前标注图片标注信息，重新进行标注，点击删除快捷键后，删除当前图片，表示当前图片不适合作为标注数据；图片标注数据以xlsx文件格式保存，每一行保存一个标注数据，分别为图像名称、物料类别、物料含量；对已有视频中不同拍摄时间、不同拍摄工位、不同用料、不同用量的截取帧图片进行标注；

在pytorch框架下采用卷积网络加全连接网络训练模型，经标注数据训练完成后存储模型；为了提高检测速度，使用两种方式对模型进行训练，第一种为小型模型训练，使用3层卷积+3层全连接，训练对象为一种物料，其特点是模型占空间小，检测速度快，适用于单种物料检测任务，一般针对传送带运输物料种类长期不变情况下使用；第二种是大型模型训练，使用5层卷积+3层全连接，训练对象为所有种类物料，其特点是模型占空间较大，检测速度较慢，但能仅使用一个模型就能胜任多个传送带多种物料检测任务。

2.根据权利要求1所述的一种基于深度学习的传送带上物料检测系统，其特征在于，所述数据滤波模块采用中值滤波。

3.根据权利要求1所述的一种基于深度学习的传送带上物料检测系统，其特征在于，所述系统还包括显示模块，所述数据分析模块与显示模块连接，将滤波后的检测数据和/或分析结果进行可视化显示。