【技术实现步骤摘要】
一种基于YOLOv5s网络模型的磁带盘点方法及装置
[0001]本专利技术属于图像处理
,尤其涉及一种基于
YOLOv5s
网络模型的磁带盘点方法及装置
。
技术介绍
[0002]数据量呈现“爆炸式”的增长,以
LTO
为代表的盒式磁带作为一种绿色
、
节能
、
低价的存储介质,成为大数据归档和备份的首先
。
随着数据量的不断增加,更多的磁带被放到架子上进行离线存放,在磁带的出库
、
保管
、
运输
、
检测
、
入库等整个数据离线服务过程中,保管中的磁带盘点工作是重要环节,也是确保数据资产存储安全的关键
。
[0003]目前常用的磁带盘点方案为人工盘点,磁带出库后,在磁带架上给每一盘磁带赋予一个固定的位置摆放,并将磁带架位置与磁带编号对应关系录入计算机系统
。
盒式磁带标签由数字标号和
Code
‑
39
码共同组成,进行盘点时,只能人工逐盘读取磁带标签中的数字编号,并与计算机系统记录结果一一对应
。
该方案耗时长,劳动强度大,人力成本高;另外,因为两次盘点间隔较长,磁带编码与磁带架位置的对应关系为需要预先设定并保持不变,导致磁带入库后空出的位置无法给其他磁带使用,造成了资源的浪费
。
技术实现思路
[0004]本专利技术解决的技术问题是:克服现有技术的不足
【技术保护点】
【技术特征摘要】
1.
一种基于
YOLOv5s
网络模型的磁带盘点方法,其特征在于包括:获取磁带架图像;将获取的磁带架图像输入已训练完成的可同时识别
Code
‑
39
码和
QR
码的
YOLOv5s
网络模型进行目标识别得到目标识别结果;按照目标识别结果裁剪出包含
Code
‑
39
码和
QR
码的区域作为单元图像;对单元图像进行灰度化处理;对灰度化处理后的单元图像进行清晰化处理;对清晰化处理的单元图像进行条码解析,分别得到磁带的编号信息和定位
QR
码记录的实际位置信息;根据条码所在的单元图像的坐标与定位
QR
码的相对位置计算磁带的实际空间位置;判断解析的结果是否与在架磁带对应,若是,登记磁带的实际位置
。2.
根据权利要求1所述的基于
YOLOv5s
网络模型的磁带盘点方法,其特征在于:所述目标识别结果包括目标的目标框位置
、
类别和置信度
。3.
根据权利要求1所述的基于
YOLOv5s
网络模型的磁带盘点方法,其特征在于:将获取的磁带架图像输入已训练完成的可同时识别
Code
‑
39
码和
QR
码的
YOLOv5s
网络模型进行目标识别得到目标识别结果包括:对获取的磁带架图像中的
Code
‑
39
码和
QR
码进行标注,得到数据集,并将数据集分为训练集
、
验证集和测试集;将训练集和验证集中的图片输入
YOLOv5s
网络模型进行模型训练,得到
YOLOv5s
网络模型的最佳权重数据;将最佳权重数据加载到
YOLOv5
网络模型中,输入测试集图片,输出目标识别结果
。4.
根据权利要求3所述的基于
YOLOv5s
网络模型的磁带盘点方法,其特征在于:
YOLOv5s
网络模型包括依次连接的输入端
、Backbone
骨干网络
、Neck
网络和
Head
输出端;其中,图片通过输入端先输入
Backbone
骨干网络来提取特征,然后将
Backbone
骨干网络提取的特征输入
Neck
网络进行加工处理,最后由
Head
输出端输出目标类别
。5.
根据权利要求4所述的基于
YOLOv5s
网络模型的磁带盘点方法,其特征在于:在
Head
输出端中,
YOLOv5
的损失函数包括边界框损失函数
、
置信度损失函数和分类损失函数
。6.
根据权利要求5所述的基于
YOLOv5s
网络模型的磁带盘点方法,其特征在于:边界框损失函数通过如下公式得到:损失函数通过如下公式得到:损失函数通过如下公式得到:其中,
v
为衡量真实框和预测框边框长宽的比例是否一致,
w
gt
为真实框的宽度,
h
gt
为真实框的高度,
w
为预测框的...
【专利技术属性】
技术研发人员:齐文平,曾湧,王文宇,史小金,黄树松,
申请(专利权)人:中国资源卫星应用中心,
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。