一种基于旋转框定位的垃圾检测方法技术

本发明专利技术设计了一种基于旋转框定位的垃圾检测方法，本方法在YOLOv5目标检测网络中在水平矩形框基础上增加了角度信息，使其能够检测旋转垃圾目标；将角度信息通过环形平滑标签进行转化到[0,1)的范围内，避免旋转目标检测中的边界问题。相较于回归水平边框，与回归角度的旋转目标检测方式不同，基于旋转锚框的目标检测算法，降低了边框回归角度计算的复杂度，解决了旋转角度在边界时的歧义性。本发明专利技术提出的方法在对旋转垃圾的检测中，针对垃圾物体在无法获取到旋转角度信息的情况下取得较好的检测效果，具有显著优势。具有显著优势。具有显著优势。

【技术实现步骤摘要】
一种基于旋转框定位的垃圾检测方法


[0001]本专利技术属于垃圾检测
，主要涉及到一种基于旋转框定位的垃圾检测方法。

技术介绍

[0002]在垃圾目标检测任务中，要求检测目标的方向、旋转角度等信息，而基于水平边框标注的目标检测算法无法提供更精确的位资信息，旋转目标检测算法的研究工作迫在眉睫。

技术实现思路

[0003]有为解决上述技术问题，本专利技术提出了一种基于旋转框定位的垃圾检测方法，能够精准识别出采集图片中的物体信息，达到快速检测到生活垃圾的效果。
[0004]包括：
[0005]基于YOLOv5的目标检测网络构建垃圾检测模型，其中，所述垃圾检测模型包括Input网络模块、Backbone网络模块，Neck网络模块和Head网络模块；
[0006]采集日常场景的垃圾图像；
[0007]将所述垃圾图像输入到Input模块进行预处理；
[0008]预处理后的所述垃圾图像通过Backbone网络模块进行特征提取，获得特征层；
[0009]基于所述特征层，通过所述Neck网络模块进行特征融合，得到待预测特征层；
[0010]将所述待预测层输入到Head模块进行输出，获取所述垃圾图像的检测信息。
[0011]可选的，所述得到的垃圾图像使用rolabeling标注软件进行旋转矩形框进行标注得到标签。
[0012]可选的，所述标签参数定义为，其中为所述垃圾类别ID，为所述旋转矩形框的中心点，为所述旋转矩形框的宽和高，为轴逆时针旋转碰到所述旋转矩形框的长边形成的角度，范围为。
[0013]可选的，所述角度通过环形平滑标签进行转换到的范围内。
[0014]可选的，所述预处理是对所述垃圾图像进行随机缩放、随机裁剪、随机排列。
[0015]可选的，所述Backbone网络模块包括Focus网络模块、SPP结构和激活函数。
[0016]可选的，所述Focus网络模块是在一张图片中每隔一个像素拿到一个值，得到四个独立特征层，将四个所述独立特征层进行堆叠；
[0017]所述SPP结构为多通道最大池化操作；
[0018]所述激活函数为SiLU激活函数。
[0019]可选的，所述Neck网络模块采用PANet结构，所述PANet结构对所述特征层进行上采样进行特征融合和对所述特征层进行下采样进行特征融合。
[0020]可选的，所述Head网络模块所述待检测层进行回归和分类，得到所述垃圾图像的检测信息；
[0021]所述检测信息为物体的大小，中心位置，置信度和角度。
[0022]可选的，所述基于YOLOv5神经网络结构所述垃圾检测模型包括：采集生活垃圾图像的数据集，对数据集进行标注，将标注后的所述数据集划分为训练集和验证集；
[0023]选取所述YOLOv5神经网络；
[0024]基于所述训练集对所述YOLOv5神经网络进行训练，基于所述验证集对训练后的所述YOLOv5神经网络进行验证，验证完成后的所述YOLOv5神经网络即为所述垃圾检测图像。
[0025]与现有技术相比，本专利技术能够带来以下至少一种有益效果：
[0026]1、在YOLOv5目标检测网络中在原水平矩形框基础上增加了角度信息，使其能够检测旋转垃圾目标。
[0027]2、将角度信息通过环形平滑标签进行转化到[0,1)的范围内，避免旋转目标检测中的边界问题。
附图说明
[0028]图1为本专利技术实施例的一种基于旋转框定位的垃圾检测方法流程示意图；
[0029]图2为本专利技术实施例的步骤流程示意图；
[0030]图3为本专利技术实施例YOLOv5网络模型图；
[0031]图4为本专利技术实施例训练损失曲线图；
[0032]图5为本专利技术实施例环形平滑标签原理示意图。
具体实施方式
[0033]以下通过特定的具体实例说明本专利技术的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本专利技术的其他优点与功效。本专利技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本专利技术的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本专利技术的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
[0034]其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本专利技术的限制；为了更好地说明本专利技术的实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
[0035]本专利技术实施例的附图中相同或相似的标号对应相同或相似的部件；在本专利技术的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利技术的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
[0036]需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
[0037]需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的
计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
[0038]如图1，本实施例提供了一种基于旋转框定位的垃圾检测方法，包括：
[0039]基于YOLOv5的目标检测网络构建垃圾检测模型，其中，所述垃圾检测模型包括Input网络模块、Backbone网络模块，Neck网络模块和Head网络模块；
[0040]采集日常场景的垃圾图像；
[0041]将所述垃圾图像输入到Input模块进行预处理；
[0042]预处理后的所述垃圾图像通过Backbone网络模块进行特征提取，获得特征层；
[0043]基于所述特征层，通过所述Neck网络模块进行特征融合，得到待预测特征层；
[0044]将所述待预测层输入到Head模块进行输出，获取所述垃圾图像的检测信息。
[0045]进一步地，所述得到的垃圾图像使用rolabeling标注软件进行旋转矩形框进行标注得到标签。
[0046]进一步地，所述标签参数定义为，其中为所述垃圾类别ID，为所述旋转矩形框的中心点，为所述旋转矩形框的宽和高，为轴逆时针旋转碰到所述旋转矩形框的长边形成的角度，范围为。
[0047]进一步地，所述角度通过环形平滑标签进行转换到的范围内。
[0048]进一步地，所述预处理是对所述垃圾图像进行随机缩放、随机裁剪、随机排列。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于旋转框定位的垃圾检测方法，其特征在于，包括：基于YOLOv5的目标检测网络构建垃圾检测模型，其中，所述垃圾检测模型包括Input网络模块、Backbone网络模块，Neck网络模块和Head网络模块；采集日常场景的垃圾图像；将所述垃圾图像输入到Input模块进行预处理；预处理后的所述垃圾图像通过Backbone网络模块进行特征提取，获得特征层；基于所述特征层，通过所述Neck网络模块进行特征融合，得到待预测特征层；将所述待预测层输入到Head模块进行输出，获取所述垃圾图像的检测信息。2.根据权利要求1所述的基于旋转框定位的垃圾检测方法，其特征在于，所述得到的垃圾图像使用rolabeling标注软件进行旋转矩形框进行标注得到标签。3.根据权利要求2所述的基于旋转框定位的垃圾检测方法，其特征在于，所述标签参数定义为(C,x,y,w,h,θ)，其中C为所述垃圾类别ID，(x,y)为所述旋转矩形框的中心点，(w,h)为所述旋转矩形框的宽和高，θ为x轴逆时针旋转碰到所述旋转矩形框的长边形成的角度，范围为[
‑
90
°
,90
°
)。4.根据权利要求3所述的基于旋转框定位的垃圾检测方法，其特征在于，所述角度通过环形平滑标签进行转换到[0,1)的范围内。5.根据权利要求1所述的基于旋转框定位的垃圾检测方法，其特征在于，所述预处理是对所述垃...

【专利技术属性】
技术研发人员：黄俊，李果，夏涛，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：