【技术实现步骤摘要】
本专利技术涉及机器人，尤其是涉及一种基于锚框得分优化的机器人密集检测方法及系统。
技术介绍
1、目前，在当今的工业领域中，智能机器人的应用范围愈发广泛，机器人的大规模运用，显著提高了生产效率，降低了人力成本，提升了产品质量的稳定性和一致性。但是由于机器人在工作过程中可能会受到各种难以预测和控制的因素的影响，例如复杂多变的工作环境、长时间的高强度运行、零部件的磨损老化、电力供应的不稳定等等，这些因素都有可能导致机器人出现故障。一旦机器人发生故障，不仅会造成直接的经济损失，还可能引发严重的安全事故。
2、因此，对机器人的工作状态进行实时监测就显得尤为重要。对机器人进行实时的密集目标检测这一方法能够很大程度解决上述问题，但是也存在一定的缺陷。首先，检测器的检测精度较低，导致目标检测模型无法在监测范围内实时、准确地框选出机器人，从而出现漏检的情况。其次，检测器类别分类错误可能会误将已经出现故障或运行出现异常的机器人判断为正常工作的机器人类别，系统无法及时对故障机器人做出相应的反应措施，从而导致生产延误。最后，检测器的实时性能不高，使...
【技术保护点】
1.一种基于锚框得分优化的机器人密集检测方法，其特征在于，包括：
2. 根据权利要求1所述的一种基于锚框得分优化的机器人密集检测方法，其特征在于，所述将网络模型的主干和颈部由基本构造卷积替换为大核深度卷积，具体为在主干网络 CSPDarkNet 和路径聚合特征金字塔 PAFPN 的基本构建块中引入大小为 5×5 的深度卷积。
3.根据权利要求1所述的一种基于锚框得分优化的机器人密集检测方法，其特征在于，所述对机器人的锚框进行得分计算并排序，包括结合目标检测分类置信度和定位质量进行分类计算，所述得分计算的公式为：
4.根据权利要求1所...
【技术特征摘要】
1.一种基于锚框得分优化的机器人密集检测方法，其特征在于，包括：
2. 根据权利要求1所述的一种基于锚框得分优化的机器人密集检测方法，其特征在于，所述将网络模型的主干和颈部由基本构造卷积替换为大核深度卷积，具体为在主干网络 cspdarknet 和路径聚合特征金字塔 pafpn 的基本构建块中引入大小为 5×5 的深度卷积。
3.根据权利要求1所述的一种基于锚框得分优化的机器人密集检测方法，其特征在于，所述对机器人的锚框进行得分计算并排序，包括结合目标检测分类置信度和定位质量进行分类计算，所述得分计算的公式为：
4.根据权利要求1所述的一种基于锚框得分优化的机器人密集检测方法，其特征在于，所述对机器人的锚框进行得分计算并排序，包括利用优化的非极大值抑制方法对锚框得分进行排序，所述排序的公式为：
5.根据权利要求1所述的一种基于锚框得分优化的机器人密集检测方法，其特征在于，所述利用动态软标签分...
【专利技术属性】
技术研发人员：王涛，杨斌，赵影，贺业凤，
申请(专利权)人：山东捷瑞数字科技股份有限公司，
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。