【技术实现步骤摘要】
一种在线协同的工业视觉检测方法及终端设备
[0001]本申请实施例属于计算机
,特别是涉及一种在线协同的工业视觉检测方法及终端设备
。
技术介绍
[0002]目标检测技术是计算机视觉技术和数字图像处理技术的结合而成的技术,被广泛应用于机器人导航
、
智能视频监控
、
工业检测
、
航空航天等诸多领域
。
目标检测技术可以快速地对用户输入的图像进行自动检测,从图像中识别出拍摄对象,并对拍摄对象进行分析得到目标检测结果
。
因此,用户只需要将待检测的图像输入到安装有目标检测程序的电子设备中便可得到目标检测结果,无需用户自行对图像进行逐一检测分析,可以减少人力资源的消耗,在工业生产领域中具有重要的现实意义
。
由于目标检测技术可以快速生成目标检测结果,因此目标检测技术在工业生产中有着许多重要的应用,例如:通过目标检测技术监控工业生产过程中的安全问题
、
通过目标检测技术控制工业生产机器进行自动驾驶
、
通过目标检测技术对工业生产过程中的运输车辆进行交通监控等
。
[0003]应用于工业领域的目标检测技术可以被称为工业视觉检测技术
。
传统的工业视觉检测方法通常在单个计算节点上进行图像处理和分析任务,存在处理速度慢
、
效率低下的问题
。
技术实现思路
[0004]有鉴于此,本申请实施例提供了一种在线协同的工业视觉 ...
【技术保护点】
【技术特征摘要】
1.
一种在线协同的工业视觉检测方法,其特征在于,应用于任一计算节点,每个所述计算节点对应一个图像组别;所述工业视觉检测方法包括:将服务器发送的关于所述图像组别的待检测图像输入至预设的工业视觉检测模型,生成关于所述待检测图像的安全检测结果;所述安全检测结果用于确定所述待检测图像中的待检测物体是否符合预设的工业安全指标;所述待检测图像是所述任一计算节点对应的所述图像组别中的图像;所述图像组别是所述服务器对采集设备发送的多个工业图像进行分组得到的;将所述安全检测结果发送至所述服务器,并接收所述服务器反馈的工业检测结果;所述工业检测结果由所述服务器基于
N
个计算节点发送的安全检测结果生成;所述
N
为大于或等于2的正整数;所述工业检测结果用于确定所有所述工业图像中的待检测物体是否符合所述工业安全指标
。2.
根据权利要求1所述的方法,其特征在于,所述工业视觉检测模型包括特征提取网络;所述将服务器发送的关于所述图像组别的待检测图像输入至预设的工业视觉检测模型,生成关于所述待检测图像的安全检测结果,包括:通过所述特征提取网络中的多个卷积层对所述待检测图像进行特征提取,生成关于所述待检测图像的多个特征图像;根据每个所述特征图像对应的卷积层的网络层级次序,分别对各个所述特征图像进行上采样操作,生成各个所述特征图像对应的语义特征;根据每个所述语义特征对应的网络层级次序,分别对各个所述特征图像进行下采样操作,生成各个所述特征图像对应的定位特征;基于所述语义特征和所述定位特征对所述待检测图像中的待检测物体进行分类,生成所述待检测图像对应的安全检测结果
。3.
根据权利要求1或2所述的方法,其特征在于,所述将服务器发送的待检测图像输入至预设的工业视觉检测模型,生成关于所述待检测图像的安全检测结果之前,还包括:获取用户输入的待训练模型和训练样本,通过所述待训练模型对所述训练样本进行处理,生成初始检测结果;所述训练样本包括期望检测结果;基于预设的损失函数确定所述初始检测结果与所述期望检测结果之间的损失值;基于所述损失值对所述待训练模型进行更新,直至所述损失值满足预设的训练停止条件,将所述损失值满足所述训练停止条件时对应的所述待训练模型作为所述工业视觉检测模型
。4.
根据权利要求3所述的方法,其特征在于所述初始检测结果包括初始瞄框
、
和初始类别,所述损失函数具体为:所述用于表示所述损失值;所述
M
用于表示所述初始检测结果被划分的网格总数;所述用于表示所述初始检测结果中第
M
网格对应的瞄框损失值;所述用于表示瞄框权重参数;所述用于表示所述初始检测结果中第
M
网格对应的置信度损失值;所述
用于表示置信度权重参数;所述置信度用于表示所述网格中存在目标物体的可...
【专利技术属性】
技术研发人员:周凡,刘海亮,林格,陈小燕,苏卓,汤武惊,
申请(专利权)人:中山大学,
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。