[发明专利]一种基于改进Yolov5m模型和DeepSort的货车入库货物识别方法

权利要求书

1.一种基于改进Yolov5m模型和DeepSort的货车入库货物识别方法，其特征在于：将图像训练数据集输入改进Yolov5m网络模型进行训练，得到目标检测模型；由摄像头采集实时视频图像信息，并将其发送到货物识别单元；货物识别单元包括货车追踪模块和目标检测模块，分别得到货车位置识别结果和携带货物识别结果，所述识别过程在训练好的改进Yolov5m网络模型上进行；所述货车位置识别结果进行校验，校验后得到货物识别结果作为最终的货物识别结果。

2.根据权利要求1所述的基于改进Yolov5m模型和DeepSort的货车入库货物识别方法，其特征在于：所述的改进Yolov5m模型训练方法为将训练集图像经过翻转、改变亮度、裁剪、平移、增加噪声等数据增强操作后，输入到改进的Yolov5m网络中，将损失函数更改为EIoU，优化器更改为AdamW并训练，可以获得目标检测模型。

3.根据权利要求1所述的基于改进Yolov5m模型和DeepSort的货车入库货物识别方法，其特征在于：所述的改进Yolov5m网络实现方法为对于Backbone中的结构，将标准卷积操作替换为深度可分离卷积操作，降低了网络参数量；将激活函数SiLU替换为GELU，提高了网络性能；为消除深度可分离卷积带来的耗时增加和发生过拟合，将网络残差结构替换为倒置残差结构。

4.根据权利要求1所述的基于改进Yolov5m模型和DeepSort的货车入库货物识别方法，其特征在于：所述的实时货物识别方法为由侧面摄像头采集视频图像信息，帧率设置为30帧，每一帧图像输入到货车追踪模块，由训练后的改进Yolov5m模型处理并输出识别结果；由DeepSort算法对输入识别结果进行货车追踪，输出货车位置信息；校验货车位置，到达指定区域时，由正面摄像头采集货物图像信息，图像输入到目标检测模块，由训练后的改进Yolov5m模型处理并输出识别结果。

5.根据权利要求1所述的基于改进Yolov5m模型和DeepSort的货车入库货物识别方法，其特征在于：所述的货物识别单元包括货车追踪模块和目标检测模块，所述两个模块由训练好的改进Yolov5m网络模型和DeepSort目标追踪算法组成，输出为在不同货物类型上的概率和追踪货车标记ID，由对应ID位置信息校验对应货车所在位置。