【技术实现步骤摘要】
一种基于机器视觉的喂食机器人的食物检测方法
[0001]本专利技术涉及喂食机器人，尤其是涉及一种基于机器视觉的喂食机器人的食物检测方法
。
技术介绍
[0002]助食机器人的工作过程中，在取食后直接给用户喂食，没有对取食取到的食物量的结果进行检测，当出现由于各种原因使得助食机器人执行取食后出现了勺子上食物很少或者没有食物的特殊情况时，这种取食不成功的情况下如果直接给用户喂食，无疑会给用户带来很差的体验
。
[0003]现有技术中的目标检测可以对取到的食物进行检测，但是传统的
SSD
算法很难做到效率和准确性的兼顾，如果采用复杂的神经网络，取食后需要较长时间去分析取食的效果，效率较低，或者用算力高而成本大的硬件进行计算，而如果要保证效率，检测的准确性又会受到影响
。
技术实现思路
[0004]本专利技术的目的就是为了保证检测速度和准确性而提供一种基于机器视觉的喂食机器人的食物检测方法
。
[0005]本专利技术的目的可以通过以下技术方案来实现：
【技术保护点】
【技术特征摘要】
1.
一种基于机器视觉的喂食机器人的食物检测方法，其特征在于，方法包括：
S1、
获取训练用的数据集，数据集包括训练的取食图像和对应的真实边框，将数据输入骨干网络，输入骨干网络后，数据依次经过一个卷积层，然后经过多个瓶颈层，再经过多个卷积层，多个卷积层经过了批量归一化，其中三个不同的卷积层分别输出尺寸互不相同的特征图组成特征金字塔结构；
S2、
特征金字塔结构的特征图上设置多尺度锚框，设有锚框的特征图输入分类层和边界框回归层，对图中的多个尺度的目标进行检测和定位，选取出最优的预测的锚框，根据选取的锚框和真实边框计算总目标损失函数，根据总目标损失函数对骨干网络的参数进行迭代优化，得到训练完成的食物检测模型；
S3、
获取实际的取食图像，将图像输入训练完成的食物检测模型，得到检测结果
。2.
根据权利要求1所述的一种基于机器视觉的喂食机器人的食物检测方法，其特征在于，
S2
的设置多尺度锚框具体为：使用一组预定义的锚框来覆盖金字塔结构的特征图的各个目标，锚框在不同尺度的特征图上以多个尺度和比例进行放置
。3.
根据权利要求2所述的一种基于机器视觉的喂食机器人的食物检测方法，其特征在于，分类层为卷积层或全连接层，设有锚框的特征图输入分类层后，分类层对每个锚框的每个类别进行预测，并设置置信度，对图中的多个尺度的目标进行检测
。4.
根据权利要求3所述的一种基于机器视觉的喂食机器人的食物检测方法，其特征在于，边界框回归层为卷积层或全连接层，对设有锚框的特征图预测边界框的位置偏移量，对图中的多个尺度的目标进行定位
。5.
根据权利要求1所述的一种基于机器视觉的喂食机器人的食物检测方法，其特征在于，进行检测和定位后，采用非极大值抑制算法选取出最优的预测的锚框
。6.
根据权利要求1所述的一种基于机器视觉的喂食机器人的食物检测方法，其特征在于，总目标损失函数为：其中：其中：其中，
N
代表匹配框的数量，
l
和
g
分别代表预测边框以及真实边框的坐标，
c
表示
Softmax
函数对目标类别的置信度，
x
代表预测边框和真实边框的匹配标识，
S
L1
代表预测和真实位置间的平滑
L1
损失，
α
是权重系数，
L
loc
...
【专利技术属性】
技术研发人员：喻洪流，冯士凯，李平，许朋，胡冰山，任翌霏，
申请(专利权)人：上海理工大学，
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。