【技术实现步骤摘要】
产品漏检的识别方法、装置、电子设备及存储介质
[0001]本公开涉及计算机
,具体涉及计算机视觉、自然语言处理、图像处理和深度学习等人工智能
,尤其涉及一种产品漏检的识别方法、装置、电子设备及存储介质。
技术介绍
[0002]电极(产品)质量检测是工业生产技术中的重要一环。现代化的电极质量检测流水线中的每一道工序都有特定的人去完成,一步一步地加工,每个人做一个特定的工作。往往工作的人会很快觉得很乏味,由此带来的某一个环节中的电极漏检都会给最终的电极良品率造成重要影响。
[0003]相关技术中,厂区产线上电极漏检检测主要有以下三种方式:
[0004]①
、第一种为人工观察监控视频判断方式,即人为的通过观察现场的各个产线质检员检测电极的行为监控视频来判断;
[0005]②
、第二种为基于跟踪的计算机视觉方法,该方法主要通过跟踪产线上的每一个电极,并通过电极跟踪的ID(Identity Document,身份证标识号)切换来辅助判断产品是否被检测;
[0006]③
、第三种则是通过引入姿态估计的方法,首先利用关键点定位得到视频帧图像中质检员的人体关键点,然后基于关键点信息判断质检员姿态是否是正确检测电极的姿态,继而间接得到产品是否漏检的信息。
技术实现思路
[0007]本公开提供了一种用于产品漏检的识别方法、装置、电子设备及存储介质。
[0008]根据本公开的一方面,提供了一种产品漏检的识别方法,包括:
[0009]获取监控 ...
【技术保护点】
【技术特征摘要】
1.一种产品漏检的识别方法,包括:获取监控视频;将所述监控视频的视频帧输入至产品检测模型以生成产品检测结果;将所述监控视频的视频帧输入至动作识别模型以生成检测动作识别结果;以及根据所述产品检测结果和所述检测动作识别结果判断所述产品是否漏检。2.如权利要求1所述的方法,还包括:将所述监控视频的视频帧存储至视频帧数据库,以作为训练样本;根据所述训练样本分别对所述产品检测模型和所述动作识别模型进行优化。3.如权利要求1所述的方法,其中,还包括:将所述视频帧存储至视频帧缓存队列之中,其中,所述视频帧缓存队列的长度等于所述动作识别模型生成所述检测动作识别结果时所述动作识别模型的输入视频帧数;和/或将所述检测动作识别结果进行缓存。4.如权利要求3所述的方法,其中,所述将所述视频帧存储至视频帧缓存队列之中,包括:响应于所述视频帧缓存队列已满,将头部视频帧移出,并将所述视频帧插入至所述视频帧缓存队列的尾部。5.如权利要求1所述的方法,其中,所述根据所述产品检测结果和所述检测动作识别结果判断所述产品是否漏检,包括:对所述产品检测结果进行筛选,以得到目标产品检测结果;将所述目标产品检测结果输入至产品追踪模型,以获取所述产品的标识和视频帧号,其中,所述视频帧号包括所述产品进入电子围栏区域时所在视频帧的视频帧号,和所述产品离开所述电子围栏区域时所在视频帧的视频帧号;根据所述视频帧号从所述检测动作识别结果之中提取所述视频帧号对应的检测动作识别结果;根据所述视频帧号对应的检测动作识别结果和所述产品的标识,判断所述产品是否漏检。6.如权利要求5所述的方法,其中,所述对所述产品检测结果进行筛选,以得到目标产品检测结果,包括:获取所述电子围栏区域对应的坐标信息;根据所述坐标信息对所述产品检测结果进行筛选,以得到所述目标产品检测结果。7.如权利要求6所述的方法,其中,根据所述坐标信息对所述产品检测结果进行筛选,以得到所述目标产品检测结果,包括:对所述产品检测结果进行解析,以获取产品目标框;根据所述产品目标框和所述坐标信息计算所述产品目标框的交并比iof值;根据所述iof值对所述产品检测结果进行筛选,以得到所述目标产品检测结果。8.如权利要求1
‑
7中任一项所述的方法,其中,所述动作识别模型包括第一识别通道和第二识别通道,其中,所述第一识别通道的采样率低于所述第二识别通道的采样率,所述将所述监控视频的视频帧输入至动作识别模型以生成检测动作识别结果,包括:将所述视频帧分别输入所述第一识别通道和第二识别通道,以生成第一识别结果和第
二识别结果;根据所述第一识别结果和所述第二识别结果生成所述检测动作识别结果。9.一种产品漏检的识别装置,包括:第一获取模块,用于获取监控视频;第一生成模块,用于将所述监控视频的视频帧输入至产品检测模型以生成产品检测结果;第二生成模块,用于将所述监控视频的视频帧输入至动作识别模型以生成检测动作识别结果;以及判断模块,用于根据所述产品检测结果和所述检测动作识别结果判断产品是否漏检...
【专利技术属性】
技术研发人员:杨苏辉,聂磊,肖慧慧,
申请(专利权)人:北京百度网讯科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。