基于深度学习的白色球体检测方法、装置、设备及介质制造方法及图纸

本发明专利技术公开了一种基于深度学习的白色球体检测方法、装置、电子设备及介质，属于机器视觉技术领域。它包括将待检测图像集输入白色球体检测模型中进行处理，确定所述待检测图像中白色球体的位置信息；根据待检测图像集中白色球体的位置信息，在所述待检测图像中定位白色球体的位置；其中，所述白色球体检测模型包括第一特征提取网络、区域生成网络RPN、生成对抗网络GAN、第二特征提取网络以及目标检测网络。本发明专利技术能即使在大计算量的情况下，仍然能够控制计算的数据量，提高白色球体检测的准确性，进而能够有效改善机器人的检测功能，提高机器人回收白色球体的效率。人回收白色球体的效率。人回收白色球体的效率。

【技术实现步骤摘要】
基于深度学习的白色球体检测方法、装置、设备及介质


[0001]本专利技术属于机器视觉
，更具体地说，涉及一种基于深度学习的白色球体检测方法、装置、电子设备及介质。

技术介绍

[0002]目前，随着人工智能的发展，基于深度学习的图像识别和目标检测已经逐渐走进人们的生活。
[0003]在高尔夫练习场的大面积多目标单一环境下，会在短时间内积累大量的白色球体，人工捡球的方式，需要在结束练习场运营后才能回收白色球体，捡球效率低，且影响运营效果，因而更多采用白色球体回收机器人对白色球体进行回收。
[0004]针对上述问题也进行了相应的改进。在现有白色球体回收机器人的设计中，需要草坪进行遍历扫描，确保尽可能的回收所有白色球体。传统图像识别检测白色球体的方法，如颜色、模板匹配等，因草坪面积过大，草坪遮挡等原因，会出现识别准确率低、误差大等问题；其他的现有技术改进中，如中国专利申请号CN202011425522.8，公开日为2021年03月09日，该专利公开了一种基于YOLOv4和嵌入式平台的高尔夫球检测方法，它先制作高尔夫球数据集；接着，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的白色球体检测方法，其特征在于：包括以下步骤：将待检测图像集输入白色球体检测模型中进行处理，确定所述待检测图像中白色球体的位置信息；根据待检测图像集中白色球体的位置信息，在所述待检测图像中定位白色球体的位置；其中，所述白色球体检测模型包括第一特征提取网络、区域生成网络RPN、生成对抗网络GAN、第二特征提取网络以及目标检测网络。2.根据权利要求1所述的一种基于深度学习的白色球体检测方法，其特征在于：步骤S100中，将待检测图像集输入白色球体检测模型中进行处理，确定所述待检测图像中白色球体的位置信息包括：步骤S1、将待检测图像集输入第一特征提取网络中进行处理，提取待检测图像集的图像特征信息；步骤S2、依据所述图像特征信息，对提取得到的特征图进行筛选，得到包含明显物体的特征图；步骤S3、利用区域生成网络RPN，在筛选后的特征图中框选明显物体所在的目标候选区域；步骤S4、利用生成对抗网络GAN，对筛选后的特征图进行精度还原；步骤S5、将精度还原后的特征图以及所述目标候选区域输入第二特征提取网络中进行处理，得到待检测图像集的多个目标候选区域的区域特征信息；所述第二特征提取网络为相较于第一特征提取网络更大型精度更高的特征提取网络模型；步骤S6、将所述区域特征信息输入目标检测网络中进行处理，确定所述待检测图像中白色球体的位置信息。3.根据权利要求2所述的一种基于深度学习的白色球体检测方法，其特征在于：步骤S1前，还包括：对草坪进行遍历扫描；具体为：按照预设的时间段ΔT，定时获取周围环境信息。4.根据权利要求2所述的一种基于深度学习的白色球体检测方法，其特征在于：步骤S2中，依据所述图像特征信息，对提取得到的特征图进行筛选，得到包含明显物体的特征图，其具体包括：使用SUSAN边缘检测算法，用近似圆形模块遍历整个图像，再把模块内像素灰度与模快中心像素的灰度值进行比较，若灰度...

【专利技术属性】
技术研发人员：许召辉，吴宇，宋晓勇，程松林，
申请(专利权)人：中航华东光电上海有限公司，
类型：发明
国别省市：