物品加料的异常行为检测方法、系统和电子装置制造方法及图纸

本申请涉及一种物品加料的异常行为检测方法、系统和电子装置，其中，该的异常行为检测方法包括：获取针对物品加料过程采集的待检测图像；将该待检测图像输入至预先训练的物品检测模型，确定该待检测图像的物品区域；根据该物品区域和目标检测区域的关联信息，确定该物品加料过程中是否存在异常，其中，该目标检测区域基于该物品加料过程中添加该物品的区域确定的。通过本申请，解决了物品加料异常检测的效率低的问题，实现了针对物品加料是否异常的高效、准确检测方法。准确检测方法。准确检测方法。

【技术实现步骤摘要】
物品加料的异常行为检测方法、系统和电子装置


[0001]本申请涉及物品加料异常检测领域，特别是涉及物品加料的异常行为检测方法、系统和电子装置。

技术介绍

[0002]在实际的生产场景中，类似烟叶传送带上的烟叶数量等物品加料量是产线需要时时关注的问题，尤其当物品加料量少于一定阈值时，会影响后续设备的正常工作，从而影响生产效率，需要对烟叶等物品加料的情况进行检测。在相关技术中，加料量的控制通常是由人工监控完成，这种方式效率较低，且如果做到实施监督需要花费巨大的劳动量，人力成本较高；或者通过传感器进行加料监控，但传感器适用范围受设备限制，监控灵活性较低，从而导致针对物品加料异常检测的效率较低。
[0003]目前针对相关技术中物品加料异常检测的效率低的问题，尚未提出有效的解决方案。

技术实现思路

[0004]本申请实施例提供了一种物品加料的异常行为检测方法、系统和电子装置，以至少解决相关技术中烟叶加料异常检测的效率低的问题。
[0005]第一方面，本申请实施例提供了一种物品加料的异常行为检测方法，所述方法包括：
[0006]获取针对物品加料过程采集的待检测图像；
[0007]将所述待检测图像输入至预先训练的物品检测模型，确定所述待检测图像的物品区域；
[0008]基于所述物品区域和目标检测区域的关联信息，确定所述物品加料过程中是否存在异常行为，其中，所述目标检测区域基于所述物品加料过程中添加所述物品的区域确定的。
[0009]在其中一些实施例中，所述获取物品加料过程中的待检测图像之前，所述方法还包括：
[0010]获取预设物品图像和物品标注信息；
[0011]根据所述物品标注信息对所述预设物品图像进行标注处理以得到第一训练数据，并利用均值减法对所述第一训练数据进行预处理得到第二训练数据；
[0012]将所述第二训练数据输入至预设的高分辨率网络进行训练，以得到所述物品检测模型。
[0013]在其中一些实施例中，所述将所述第二训练数据输入至预设的高分辨率网络进行训练，以得到所述物品检测模型包括：
[0014]将所述训练数据输入至所述高分辨率网络的至少两个阶段子网络，以使得每个所述阶段子网络分别输出物品特征和分辨率下采样结果，并将所述物品特征和所述分辨率下
采样结果进行融合处理得到对应的特征提取信息；
[0015]对每个所述特征提取信息进行上采样处理以得到上采样结果，并将所有所述上采样结果进行融合得到融合结果；
[0016]设置学习率和衰减方式，并根据所述学习率、衰减方式和所述融合结果训练所述高分辨率网络，以使得待所述第二训练数据迭代结束后得到所述物品检测模型。
[0017]在其中一些实施例中，所述基于所述物品区域和目标检测区域的关联信息，确定所述物品加料过程中是否存在异常行为包括：
[0018]确定所述目标检测区域和所述物品区域的重叠程度；
[0019]根据所述重叠程度确定所述物品加料过程中是否存在异常行为
[0020]在其中一些实施例中，所述确定所述目标检测区域和所述物品区域的重叠程度，果包括：
[0021]计算得到所述目标检测区域和所述物品区域之间的物品面积交集结果，并根据所述物品面积交集结果和所述目标检测区域计算得到所述物品加料结果。
[0022]在其中一些实施例中，所述根据所述重叠程度确定所述物品加料过程中是否存在异常行为包括：
[0023]获取预设重叠程度范围，确定出所述预设重叠程度范围中与所述重叠程度匹配的实际重叠程度范围；
[0024]基于所述预设重叠程度范围和子异常行为的映射关系，根据所述实际重叠程度范围确定所述物品加料过程中存在目标异常行为，所述目标异常行为是在所述子异常行为中确定出的所述实际重叠程度范围映射的异常行为。
[0025]在其中一些实施例中，所述确定所述物品加料过程中存在目标异常行为之后，还包括：
[0026]发送与所述目标异常行为对应的报警等级信息至报警应用程序或终端设备。
[0027]在其中一些实施例中，所述基于所述物品区域和目标检测区域的关联信息，确定所述物品加料过程中是否存在异常行为之前，还包括：
[0028]响应于针对所述待检测图像触发的区域选取指令，将所述区域选取指令指示的图像区域确定为所述目标检测区域；或
[0029]将终端设备发送的图像区域确定为所述目标检测区域，所述图像区域是所述终端设备基于针对所述待检测图像触发的区域选取指令确定，所述区域选取指令用于指示所述图像区域。
[0030]第二方面，本申请实施例提供了一种物品加料的异常检测行为系统，所述系统包括：图像采集设备和控制装置；
[0031]所述图像采集设备用于采集物品加料过程中的待检测图像，并将所述待检测图像发送至所述控制装置；
[0032]所述控制装置用于执行如上述第一方面所述的物品加料的异常行为检测方法。
[0033]第三方面，本申请实施例提供了一种电子装置，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的物品加料的异常行为检测方法。
[0034]第四方面，本申请实施例提供了一种存储介质，其上存储有计算机程序，该程序被
处理器执行时实现如第一方面所述的物品加料的异常行为检测方法。
[0035]相比于相关技术，本申请实施例提供的物品加料的异常行为检测方法、系统和电子装置，通过获取针对物品加料过程采集的待检测图像；将该待检测图像输入至预先训练的物品检测模型，确定该待检测图像的物品区域；根据该物品区域和目标检测区域的关联信息，确定该物品加料过程中是否存在异常，其中，该目标检测区域基于该物品加料过程中添加该物品的区域确定的，解决了物品加料异常检测的效率低的问题，实现了针对物品加料是否异常的高效、准确检测方法。
[0036]本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
[0037]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0038]图1是根据本申请实施例的一种物品加料的异常行为检测方法的应用环境图；
[0039]图2是根据本申请实施例的一种物品加料的异常行为检测方法的流程图；
[0040]图3A是根据本申请实施例的一种高分辨率网络结构的示意图；
[0041]图3B是根据本申请实施例的一种解码网络结构的示意图；
[0042]图4是根据本申请优选实施例的一种物品加料的异常行为检测方法的流程图；
[0043]图5A是根据本申请实施例的一种待检测图像的示意图；
[0044]图5B是根据本申请实施例的一种目标检测区域的示意图；
[0045]图5C是根据本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种物品加料的异常行为检测方法，其特征在于，所述方法包括：获取针对物品加料过程采集的待检测图像；将所述待检测图像输入至预先训练的物品检测模型，确定所述待检测图像的物品区域；基于所述物品区域和目标检测区域的关联信息，确定所述物品加料过程中是否存在异常行为，其中，所述目标检测区域基于所述物品加料过程中添加所述物品的区域确定的。2.根据权利要求1所述的异常行为检测方法，其特征在于，所述获取物品加料过程中的待检测图像之前，所述方法还包括：获取预设物品图像和物品标注信息；根据所述物品标注信息对所述预设物品图像进行标注处理以得到第一训练数据，并利用均值减法对所述第一训练数据进行预处理得到第二训练数据；将所述第二训练数据输入至预设的高分辨率网络进行训练，以得到所述物品检测模型。3.根据权利要求2所述的异常行为检测方法，其特征在于，所述将所述第二训练数据输入至预设的高分辨率网络进行训练，以得到所述物品检测模型包括：将所述训练数据输入至所述高分辨率网络的至少两个阶段子网络，以使得每个所述阶段子网络分别输出物品特征和分辨率下采样结果，并将所述物品特征和所述分辨率下采样结果进行融合处理得到对应的特征提取信息；对每个所述特征提取信息进行上采样处理以得到上采样结果，并将所有所述上采样结果进行融合得到融合结果；设置学习率和衰减方式，并根据所述学习率、衰减方式和所述融合结果训练所述高分辨率网络，以使得待所述第二训练数据迭代结束后得到所述物品检测模型。4.根据权利要求1所述的异常行为检测方法，其特征在于，所述基于所述物品区域和目标检测区域的关联信息，确定所述物品加料过程中是否存在异常行为包括：确定所述目标检测区域和所述物品区域的重叠程度；根据所述重叠程度确定所述物品加料过程中是否存在异常行为。5.根据权利要求4所述的异常行为检测方法，其特征在于，所述确定所述目标检测区域和所述物品区域的重叠程度，包括：计算得到所述目标检测区域和所述物品区域之间的物品面积交集结果，并根据所述物品交集结果和...

【专利技术属性】
技术研发人员：赵蕾，孙海涛，李宁钏，杨剑波，熊剑平，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：