[发明专利]一种基于图像识别的标准化生产监测方法

权利要求书

1.一种基于图像识别的标准化生产监测方法，其特征在于，包括以下步骤：

S1、采集图像数据，构建图像数据集；

S2、构建YOLOv5网络模型；所述步骤S2构建YOLOv5网络模型，具体为：

S21、构造主干网络，通过所述主干网络提取图像数据的有效特征；所述主干网络包括Conv模块、CSP1CA_n模块和SPPF模块；

S22、构造检测头网络，通过所述检测头网络对有效特征进行融合，并进行目标分类和回归；所述检测头网络包括Conv模块、Upsample模块、Concat模块、CSP2_n模块和Detect模块；

S3、将所述YOLOv5网络模型通过图像数据集进行迭代训练以及量化、转换处理，得到最优模型，并通过所述最优模型实时输出标准化生产的监测结果；

S4、构建监测服务平台，对标准化生产的监测结果进行实时监测和处理。

2.根据权利要求1所述的一种基于图像识别的标准化生产监测方法，其特征在于，所述步骤S1采集图像数据，构建图像数据集之后，还包括：

对所述图像数据集中的图像数据进行数据增强。

3.根据权利要求1-2任意一项所述的一种基于图像识别的标准化生产监测方法，其特征在于，所述步骤S3中将YOLOv5网络模型通过图像数据集进行迭代训练，具体为：

构建dataloader，对数据进行预处理；

将预处理后的数据输入至YOLOv5网络模型，进行前向推理；

构建损失函数，并通过所述损失函数计算YOLOv5网络模型的损失值；

计算YOLOv5网络模型各参数的梯度值，并进行更新。

4.根据权利要求3所述的一种基于图像识别的标准化生产监测方法，其特征在于，所述计算YOLOv5网络模型各参数的梯度值，并进行更新，具体为：

通过反向传播计算YOLOv5网络模型各参数的梯度值，并采用优化函数更新所述YOLOv5网络模型中的各参数。

5.根据权利要求1-2任意一项所述的一种基于图像识别的标准化生产监测方法，其特征在于，所述步骤S3中量化处理，具体为：

将迭代训练后的YOLOv5网络模型进行量化得到INT8模型，以及对应的ONNX文件。

6.根据权利要求5所述的一种基于图像识别的标准化生产监测方法，其特征在于，所述步骤S3中转换处理，具体为：

将量化后的ONNX文件转换为TensorRT推理引擎文件。

7.根据权利要求1-2任一项所述的一种基于图像识别的标准化生产监测方法，其特征在于，所述监测服务平台包括前端与后端；

所述前端，用于对标准化生产的监测结果进行实时监测；

所述后端，用于获取图像数据、TensorRT前向推理和前后端通信。