基于人工智能的相机灰尘检测方法、装置及电子设备制造方法及图纸

本申请提供了一种基于人工智能的相机灰尘检测方法、装置及电子设备；方法包括：获取相机采集的图像；基于所述图像生成至少一个锚框，每个尺寸的所述锚框分别对应一个锚框权重系数；基于各所述尺寸的锚框分别对应的锚框权重系数，利用预先训练的预测边界框模型确定各所述锚框对应的预测边界框；基于所述预测边界框检测所述相机是否覆盖灰尘。通过本申请，能够实现对多种不同尺寸的对象进行检测，节省相机灰尘检测的成本和实现难度，及时检测相机上的灰尘，提高灰尘检测的鲁棒性。

【技术实现步骤摘要】
基于人工智能的相机灰尘检测方法、装置及电子设备
本申请涉及人工智能技术和大数据技术，尤其涉及一种基于人工智能的相机灰尘检测方法、装置、电子设备及计算机可读存储介质。
技术介绍
相机在使用过程中，相机上的传感器和镜头都容易覆盖灰尘，降低相机的使用性能。在相关技术提供的方案中，通常利用部署于相机外部的红外装置检测相机的镜头是否覆盖灰尘；或者利用相机对白色平面拍照得到测试图像，基于对测试图像和对测试图像进行滤波处理后的滤波图像检测相机上是否覆盖灰尘。然而，上述相关技术提供的方案中，利用部署于相机外部的红外装置检测相机的镜头是否覆盖灰尘时，不仅检测成本高昂，而且不容易实现；利用测试图像检测相机上是否覆盖灰尘时，不能够及时地检测出相机上的灰尘，且对检测环境有较强的依赖性，鲁棒性差。
技术实现思路
本申请实施例提供一种基于人工智能的相机灰尘检测方法、装置、电子设备及计算机可读存储介质，能够节省相机灰尘检测的成本和实现难度，及时检测相机上的灰尘，提高灰尘检测的鲁棒性。本申请实施例的技术方案是这样实现的：本申本文档来自技高网...

【技术保护点】
1.一种基于人工智能的相机灰尘检测方法，其特征在于，所述方法包括：/n获取相机采集的图像；/n基于所述图像生成至少一个锚框，每个尺寸的所述锚框分别对应一个锚框权重系数；/n基于各所述尺寸的锚框分别对应的锚框权重系数，利用预先训练的预测边界框模型确定各所述锚框对应的预测边界框；/n基于所述预测边界框检测所述相机是否覆盖灰尘。/n

【技术特征摘要】
1.一种基于人工智能的相机灰尘检测方法，其特征在于，所述方法包括：
获取相机采集的图像；
基于所述图像生成至少一个锚框，每个尺寸的所述锚框分别对应一个锚框权重系数；
基于各所述尺寸的锚框分别对应的锚框权重系数，利用预先训练的预测边界框模型确定各所述锚框对应的预测边界框；
基于所述预测边界框检测所述相机是否覆盖灰尘。


2.根据权利要求1所述的方法，其特征在于，所述基于各所述尺寸的锚框分别对应的锚框权重系数，利用预先训练的预测边界框模型确定各所述锚框对应的预测边界框包括：
针对各所述锚框，分别执行下述操作：
确定各所述锚框对应的尺寸；
基于各所述锚框对应的尺寸以及所述尺寸的锚框对应的锚框权重系数，利用预先训练的预测边界框模型确定各所述锚框的类别和偏移量；
基于各所述锚框的类别和偏-移量，确定各所述锚框对应的预测边界框。


3.根据权利要求2所述的方法，其特征在于，所述基于各所述锚框的类别和偏移量，确定各所述锚框对应的预测边界框，包括：
确定包括至少两个候选预测边界框的候选预测边界框集合；
基于所述候选预测边界框集合确定针对每个对象的类别预测概率值最大的候选预测边界框；
基于所述类别预测概率值最大的候选预测边界框的偏移量，确定各所述锚框对应的预测边界框。


4.根据权利要求3所述的方法，其特征在于，所述基于所述候选预测边界框集合确定针对每个对象的类别预测概率值最大的候选预测边界框，包括：
针对所述候选预测边界框集合重复执行下述操作：
对全部所述候选预测边界框的类别预测概率值排序，确定类别预测概率值最大的第一候选预测边界框；
以所述第一候选预测边界框为基准，计算第二候选预测边界框与所述第一候选预测边界框的交并比；所述第二候选预测边界框为所述候选预测边界框集合中除所述第一候选预测边界框以外的候选预测边界框；
若所述交并比大于交并比阈值，则移除所述第二候选预测边界框。


5.根据权利要求3所述的方法，其特征在于，所述基于所述类别预测概率值最大的候选预测边界框的偏移量，确定各所述锚框对应的预测边界框，包括：
基于所述类别预测概率值最大的候选预测边界框的偏移量，调整所述类别预测概率值最大的候选预测边界框的位置，得到各所述锚框对应的预测边界框。


6.根据权利要求1至5任一项所述的方法，其特征在于，所述确定...

【专利技术属性】
技术研发人员：陶家威，
申请(专利权)人：浙江华睿科技有限公司，
类型：发明
国别省市：浙江;33