基于改进YoloV5网络和双目视觉技术的物品检测方法技术

本发明专利技术提供一种基于改进YoloV5网络和双目视觉技术的物品检测方法，涉及物体检测识别技术领域。该方法在YoloV5模型的基础上，采用Ghostnet替换CSPDaeknet53模块，得到Ghostnet

【技术实现步骤摘要】
基于改进YoloV5网络和双目视觉技术的物品检测方法


[0001]本专利技术涉及物体检测识别
，尤其涉及一种基于改进YoloV5网络和双目视觉技术的物品检测方法。

技术介绍

[0002]实验室、车间等工作环境中，经常存在多种不同规格、数量的样品盒(实验试剂盒等)叠加堆放的情况，样品在成摞的移动时，常因高度预判失误导致顶端的盒子与其他限高设备发生碰撞，造成损坏。同时由于规格、数量不一致，容易造成统计出现错误。
[0003]当样品盒堆放过多、进行成摞的移动时，采用机械臂等设备进行搬运时，会因设备无法跟人类一样提前预判高度而容易造成顶端的盒子与空间的限高装置发生碰撞，导致样品掉落、损坏。另一方面，随着样品堆积数量的增加，对于不同规格的样品盒数量的统计难免会出现偏差。
[0004]因此，众多研究人员基于神经网络和机器视觉，研发了各式各样的检测算法。但这些算法中所采用的神经网络模型，多为YoloV4、YoloV5等基于CNN的大型卷积神经网络。这种网络虽能有效的实现需求，但由于大型的卷积神经网络的参数多，计算量大，需要高配置的计算机本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进YoloV5网络和双目视觉技术的物品检测方法，其特征在于：包括以下步骤：获取多种目标的图像数据得到目标图像集；对目标图像集中的图像数据进行标注，得到标签集，将图像集和标签集整体作为样本集；构建基于Ghostnet
–
YoloV5模型和BM立体匹配算法的物品检测模型，用于对目标中物品的数量和高度进行计算，并使用样本集对物品检测模型进行训练；所述物品检测模型通过Ghostnet
–
YoloV5模型对目标中物品进行分类，确定物品的坐标，再结合BM立体匹配算法计算目标的高度；所述Ghostnet
–
YoloV5模型在YOLOV5模型的基础上，将CSPDaeknet53替换为Ghostnet；使用训练好的物品检测模型对待检测物品进行检测。2.根据权利要求1所述的基于改进YoloV5网络和双目视觉技术的物品检测方法，其特征在于：所述Ghostnet
–
YoloV5模型将CSPDaeknet53Ghostnet替换为Ghostnet时，通过导出Ghostnet的cfgs参数列表来分割使用Ghost瓶颈构建的Ghostnet序列模型，然后导出高度和宽度满足SPP和PANet的特征图，作为SPP和PANet的输入特征图；并使SPP和PANet中使用的卷积运算的输入通道数和Ghostnet的输出通道数相等。3.根据权利要求2所述的基于改进YoloV5网络和双目视觉技术的物品检测方法，其特征在于：所述Ghostnet
–
YoloV5模型将目标图像数据的左侧图像用作要检测的图像进行检测，获取当前图像中目标的类别和数量。4.根据权利要求3所述的基于改进YoloV5网络和双目视觉技术的物品检测方法，其特征在于：所述物品检测模型对高度进行计算的步骤包括：利用BM立体匹配算法对目标的每幅双目图像进行立体匹配，得到深度图，完成目标的三维重建，从而获得当前场景像素的三维位置信息；提取通过Ghostnet
–
YoloV5模型检测目标左侧图像获得的每个目标检...

【专利技术属性】
技术研发人员：张金越，黄祖成，江旭耀，王昕彤，钟名锋，王卫军，袁海，
申请(专利权)人：广州先进技术研究所，
类型：发明
国别省市：