一种基于深度学习算法的工位目标检测系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113610820A(43)申请公布日2021.11.05(21)申请号202110923292.6(22)申请日2021.08.12(71)申请人上海数依数据科技有限公司地址200082上海市杨浦区武东路198号603-7室(72)发明人任萌(74)专利代理机构苏州尚为知识产权代理事务所(普通合伙)32483代理人陈钢(51)Int.Cl.G06T7/00(2017.01)G06T7/11(2017.01)G06T7/90(2017.01)G06N3/08(2006.01)G06K9/62(2006.01)权利要求书1页说明书5页附图1页(54)发明名称一种基于深度学习算法的工位目标检测系统(57)摘要本发明公开了一种基于深度学习算法的工位目标检测系统，包括：数据存储模块、目标识别模块、结果标识模块和结果纠正模块。本发明提供的基于深度学习算法的工位目标检测系统通过结果纠正模块对目标识别模块中数据对比结果进行人为判断，并对对比结果进行纠正，通过深度学习算法优化目标识别模块的识别算法，提高目标识别精度，即结果标识的准确性。CN113610820ACN113610820A权利要求书1/1页1.一种基于深度学习算法的工位目标检测系统，该系统运行于计算机上，其特征在于，包括：数据存储模块，用于存储CRT电视机屏幕的外观数据；目标识别模块，用于识别CRT电视机屏幕，并与所述数据存储模块中的CRT电视机屏幕外观数据进行对比；结果标识模块，所述目标识别模块中的对比结果数据传输至结果标识模块中，并通过所述结果标识模块对不同标识结果分别进行上色；结果纠正模块，所述结果纠正模块用于录入目标识别模块中数据对比结果的人为判断信息，当其为正确时，将该信息反馈至结果标识模块；当其为错误时，将该信息通过深度学习算法反馈至结果标识模块中，并纠正所述结果标识模块中的标识结果数据与标识颜色。2.根据权利要求1所述的一种基于深度学习算法的工位目标检测系统，其特征在于，所述数据存储模块包括数据存储单元和数据调用单元，所述数据存储单元用于录入和存储CRT电视机屏幕的外观数据，所述数据调用单元用于将外观数据调用至其他模块。3.根据权利要求1所述的一种基于深度学习算法的工位目标检测系统，其特征在于，所述目标识别模块包括摄像头、目标识别单元和数据对比单元，所述摄像头安装至各工位，用于采集图像数据，并通过数据对比单元与所述数据存储模块中的外观数据进行对比，最终将对比结果反馈至目标识别单元，所述目标识别单元基于对比结果给出识别结果数据。4.根据权利要求3所述的一种基于深度学习算法的工位目标检测系统，其特征在于，所述摄像头通过物联网与计算机信号连接。5.根据权利要求3所述的一种基于深度学习算法的工位目标检测系统，其特征在于，所述目标识别单元和所述数据对比单元运行于计算机的处理器内。6.根据权利要求1所述的一种基于深度学习算法的工位目标检测系统，其特征在于，所述结果标识模块包括识别分类单元和上色单元，所述识别分类单元将目标识别模块的对比结果分类，所述上色单元基于不同的分类进行不同颜色的上色。7.根据权利要求1所述的一种基于深度学习算法的工位目标检测系统，其特征在于，所述数据存储模块运行于计算机的数据存储器内。8.根据权利要求1所述的一种基于深度学习算法的工位目标检测系统，其特征在于，所述结果标识模块基于以下任一种标注方式实现：二分类标注样本、多分类标注样本、简化模型学习。9.根据权利要求8所述的一种基于深度学习算法的工位目标检测系统，其特征在于，所述多分类标注样本添加负样本中的第一盖子类别和第二盖子类别，训练中标注其中一部分的第一盖子类别和第二盖子类别。10.根据权利要求8所述的一种基于深度学习算法的工位目标检测系统，其特征在于，所述多分类标注样本添加负样本中的第一盖子类别和第二盖子类别，训练中标注全部的第一盖子类别和第二盖子类别。2CN113610820A说明书1/5页一种基于深度学习算法的工位目标检测系统技术领域[0001]本发明涉及目标检测技术领域，具体涉及一种基于深度学习算法的工位目标检测系统。背景技术[0002]化工企业需要对老旧CRT电视机进行拆解，为了统计拆解过程的破屏率，以及拆解工序完成后屏幕上的荧光粉是否处理干净，以防止对环境的污染，需要对拆解完成后的屏幕进行检查。[0003]现有的方法为投入大量人工，监视拆解线上摄像头传回的视频状况，由于拆解线较多，拆解的过程中还掺杂有工人的清扫、设备故障检修、设备搬运等其他与拆解无关的事务，造成人工监视效率低、操作复杂且成本较高的问题。发明内容[0004]本发明的目的在于，克服现有技术中存在的缺陷，提供一种监视效率高、目标识别准确、操作便捷的基于深度