【技术实现步骤摘要】
智能储物柜的边缘点检测模型训练方法、设备和存储介质
[0001]本专利技术涉及智能储物柜开口检测
，尤其涉及一种智能储物柜的边缘点检测模型训练方法、设备和存储介质。
技术介绍
[0002]智能储物柜具有结构紧凑、空间占用少、物资存储量大等优点，作为重要的物资储存设备，已广泛在各行业的仓库中应用。但在智能储物柜的运行过程中，由于柜体面积较大、开口位置不固定以及柜体较高造成的遮挡等问题，使得对智能储物柜开口位置进行实时视频监控较为困难，难以实现人员在仓库内行为的全流程监控。
[0003]针对这一问题，近几年出现了采用可移动导轨的驱动机构，通过驱动小视场范围的监控相机到达开口处正上方的方案。这一方案能够实现的核心技术是对智能储物柜开口处位置的实时检测，如何获取高精度的开口位置，同时控制硬件成本，对工程实现具有重要意义。
[0004]现有的智能储物柜开口处位置检测方法主要基于磁感应传感器、超声波传感器、红外传感器或机械式传感器实现，虽能够对开口位置进行较高精度的检测，但需要在智能储物柜每个柜体上均安装传感器及布...
【技术保护点】
【技术特征摘要】
1.一种智能储物柜的边缘点检测模型训练方法，其特征在于，包括以下步骤：采集智能储物柜在不同开口状态下的俯视图，对于每一张智能储物柜俯视图，提取多个样本图像，获取每个样本图像中标注的智能储物柜开口处的边缘点坐标，将样本图像和对应的边缘点坐标构成样本数据集；构建轻量化卷积神经网络模型，基于所述样本数据集进行模型训练，采用梯度下降算法优化模型参数，得到训练好的智能储物柜开口边缘点检测模型。2.根据权利要求1所述的智能储物柜的边缘点检测模型训练方法，其特征在于，基于所述样本数据集进行模型训练，采用梯度下降算法优化模型参数，得到训练好的智能储物柜开口边缘点检测模型，包括：按照预设比例将样本数据集划分为训练数据集和验证数据集；基于训练集对轻量化卷积神经网络模型进行训练，基于验证集对每轮训练得到的模型进行准确度计算；选择准确度最高的模型作为训练好的智能储物柜开口边缘点检测模型。3.根据权利要求1所述的智能储物柜的边缘点检测模型训练方法，其特征在于，采用以下步骤从每一张智能储物柜俯视图中提取多个样本图像：在智能储物柜俯视图中，按照与智能储物柜移动方向垂直的方向上采用等间隔的方式，提取宽度为W，长度为L的多个图像作为待检测图像，其中每个待检测图像的长边与智能储物柜的移动方向平行。4.根据权利要求1所述的智能储物柜的边缘点检测模型训练方法，其特征在于，若智能储物柜当前状态下同时采集的图像数量大于1，则将采集的图像拼接得到一张完整的智能储物柜俯视图。5.根据权利要求4所述的智能储物柜的边缘点检测模型训练方法，其特征在于，采用以下步骤进行图像拼接得到一张完整的智能储物柜俯视图：采用SIFT算法提取每张图像中的特征点；采用快速最近邻算法在相邻两个图像间进行特征点匹配，得到相邻图像间的特征点的初始对应关系；采用抽样一致性算法删除错误对应关系，并计算相邻图像间的单应性矩阵；基于相邻图像间的单应性矩阵将不同图像映射到同一个图像上得到拼接后的图像。6.根据权利要求1所述的智能储物柜的边缘点检测模型训练方法，其特征在于，所述轻量化卷积神经网络模型为改进的ShuffleNet模型，所述改...
【专利技术属性】
技术研发人员：高晓琼，王东豪，张依漪，柴振达，唱明旭，
申请(专利权)人：北京京航计算通讯研究所，
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。