[发明专利]一种基于视觉感知的钢卷层数检测方法

权利要求书

1.一种基于视觉感知的钢卷层数检测方法，其特征在于：该基于视觉感知的钢卷层数检测方法，包括以下步骤：

S1、对收集到的检测钢卷层数的视频进行抽帧处理，获取用于对钢卷监测模型进行优化的特定场景数据集；

S2、拿到钢卷厂数据后，基于AlexNet图像分类模型做进一步的优化，在已经加载预训练权重的基础上，用收集到的包含钢卷场景专用数据集进行微调，加强其在特定钢厂场景中的应用效果；

S3、该权重对当前特征图进行加权求和，经过ReLU激活函数得到σ_r：

S4、将计算机视觉技术与网络技术有机地融为一体。

2.根据权利要求1所述的一种基于视觉感知的钢卷层数检测方法，其特征在于：所述S3中经过Grad-CAM操作，最初的特征图经过加权调整进行更新，包括了不同区域的重要性程度。

3.根据权利要求1所述的一种基于视觉感知的钢卷层数检测方法，其特征在于：所述S2的过程中还包括：

步骤一、采用的分类模型AlexNet由5个卷积层和3个池化层以及3个全连接层构成，更加具体地来说，卷积层中包含一个11x11，96维的卷积核，一个5x5，256维的卷积核和三个3x3，384维的卷积核，另外包含了2个4096维的全连接层，考虑到在任务中钢卷识别中最多只有2层的钢卷数，因此将最后一个分类层的神经元数量设置为3，额外地，每个卷积层后都会添加ReLU激活函数，加快网络的收敛；

步骤二、引入非局部Non-local机制，对传动卷积网络的识别能力进行增强，对Non-local的通用算子进行形式上的表达：

步骤三、假设有N张钢卷场景图片对于每张图片x∈χ，将其输入到AlexNet神经网络中，其中θ表示网络的带学习参数，代表映射函数，得到预测类结果y^c；

步骤四、损失函数的计算公式：

4.根据权利要求3所述的一种基于视觉感知的钢卷层数检测方法，其特征在于：所述步骤一中ReLU的函数如下：ReLU(x)＝max(0,x)；

同时通过Dropout随机丢弃技术来避免网络过拟合，Dropout函数如下：

m＝Bernoulli(p)

5.根据权利要求3所述的一种基于视觉感知的钢卷层数检测方法，其特征在于：所述步骤二中在Non-local算子的公式中，响应值是通过计算不同区域之间的关系得到。

6.根据权利要求3所述的一种基于视觉感知的钢卷层数检测方法，其特征在于：所述步骤二中对连个函数的具体形式f和g进行展开，函数f本质上用来描述点与点之间的相似关系：

7.根据权利要求1所述的一种基于视觉感知的钢卷层数检测方法，其特征在于：所述S4中将计算机视觉技术与网络技术有机地融为一体包括以下步骤：

步骤一、将训练好的模型至于生产环境中，摄像头端实时地向无人天车系统传输视频流；

步骤二、当天车系统需要放置钢卷的时候，通过系统与服务端进行通信，并将当前帧传出给服务器；

步骤三、服务器调用后台的分类模型，对当前场帧中的钢卷层数进行判断；

步骤四、判断结果由服务器传输给天车系统，驱动天车系统的吊钩控制置放高度，此过程无需人工参与，将计算机视觉技术与网络技术有机地融为一体。

8.根据权利要求1所述的一种基于视觉感知的钢卷层数检测方法，其特征在于：所述S3中经过Grad-CAM操作，最初的特征图经过加权调整进行更新，包括不同区域的重要性程度。

9.根据权利要求3所述的一种基于视觉感知的钢卷层数检测方法，其特征在于：所述步骤二中，A^k是属入的特征图，代表特征图中第i个像素点，函数f计算i和j之间的关系，一元函数g计算输入特征图在位置j处的表示，最终的相应值通过相应因子C进行标准化处理得到。