(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111646884.4 (22)申请日 2021.12.2 9 (66)本国优先权数据 202111316530.3 2021.1 1.08 CN (71)申请人 山东科技大 学 地址 266590 山东省青岛市黄岛区前湾港 路579号 (72)发明人 任国强　韩洪勇　李成江　尹燕芳　 朱其刚　 (74)专利代理 机构 北京金咨知识产权代理有限 公司 11612 专利代理师 严业福 (51)Int.Cl. G06V 20/52(2022.01) G06K 9/62(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种传输带传输异 物检测方法及系统 (57)摘要 本发明提供一种传输带传输异物检测方法 及系统， 包括： 获取不同传输 带上的多张图像， 并 进行数据预处理， 分成训练集和测试集； 建立 Fast_Yolov3模型， 将训练集的图像输入Fast_ Yolov3模型进行模型训练， 其中， 在训练集的图 像中， 随机选取从不同传输带的至少四张图像， 处理后拼接成一张新的 图像， 作为目标图像检测 的训练样 本； 在卷积层填加反卷积网路进行上采 样， 获取训练样本的特征图， 并且通过至少12种 先验框， 对训练样本的4种特征图进行训练， 并且 引入交叉熵调整因子和平衡因子， 调整损失函数 中的负样 本置信度的交叉熵， 以降低模型训练过 程中输出的负样本； 再次获取传输带上的图像， 输入到Fast_ Yolov3模型进行异 物检测。 权利要求书2页 说明书14页 附图6页 CN 114445767 A 2022.05.06 CN 114445767 A 1.一种传输带传输异 物检测方法， 其特 征在于， 所述方法包括： 获取不同传输带 上的多张图像， 并进行 数据预处 理， 分成训练集和 测试集； 建立Fast_Yo lov3模型， 将训练集的图像输入Fast_Yo lov3模型进行模型训练， 其中， 在训练集的图像中， 随机选取从不同传输带的至少四张图像， 处理后拼接成一张新的 图像， 作为目标图像 检测的训练样本； 在卷积层填加反卷积网路进行 上采样， 获取训练样本的特 征图， 并且 通过至少12种先验框， 对训练样本的4种特 征图进行训练， 并且 引入交叉熵调整因子和平衡因子， 调整损 失函数中的负样本置信度的交叉熵， 以降低 模型训练过程中输出的负 样本； 再次获取传输带 上的图像， 输入到Fast_Yo lov3模型进行异 物检测。 2.根据权利要求1所述的方法， 其特征在于， 随机选取的不同传输带的至少四张图像进 行随机拼接、 随机缩放、 随机 剪裁、 随机排列后拼接成一张新的图像。 3.根据权利要求1或2所述的方法， 其特征在于， 将随机选取的不同传输带的至少四张 图像分为第一训练集和第二训练集， 确定剪裁区域边界， 将第一训练集中的剪裁区域去 除， 将第二训练中的剪裁区域填充 到第一训练集中， 生成目标图像 检测的训练样本 。 4.根据权利要求1所述的方法， 其特征在于， 在卷积层添加批处理规范化层， 并使用反 卷积网路对目标图像 检测的训练样本进行 上采样； 将卷积层采获取的特征图与反卷积网络获取的特征图进行特征融合， 生成训练样本的 特征图。 5.根据权利要求 4所述的方法， 其特 征在于， 在卷积层中对所有网格增 加一个偏移量。 6.根据权利要求1所述的方法， 其特征在于， 所述先验框包括第一先验框， 用于对特征 图上的第一尺寸目标进行训练， 以及 第二先验框， 用于对特 征图上的第二尺寸目标进行训练， 以及 第三先验框， 用于对特 征图上的第三尺寸目标进行训练。 7.一种传输带传输异 物检测系统， 其特 征在于， 所述系统包括： 图像采集模块， 包括至少在每一条传输带 上的多个 摄像头， 用于采集传输带图像； 图像预处 理模块， 用对 采集的图像进行 数据预处 理， 分成训练集和 测试集； Fast_Yolov3模型， 用于将训练集的图像输入Fast_Yolov3模型进行模型训练， 以及用 于将传输带 上的图像输入到Fast_Yo lov3模型进行异 物检测， 其中， 所述Fast_Yo lov3模型， 包括 在训练集的图像中， 随机选取从不同传输带的至少四张图像， 处理后拼接成一张新的 图像， 作为目标图像 检测的训练样本； 在卷积层填加反卷积网路进行 上采样， 获取训练样本的特 征图， 并且 通过至少12种先验框， 对训练样本的4种特 征图进行检测， 并且 引入交叉熵调整因子和平衡因子， 调整交叉熵损 失函数， 以降低模型训练过程中输出 的负样本。 8.根据权利要求7所述的系统， 其特征在于， 将随机选取的不同传输带的至少四张图像 分为第一训练集和第二训练集，权　利　要　求　书 1/2 页 2 CN 114445767 A 2确定剪裁区域边界， 将第一训练集中的剪裁区域去 除， 将第二训练中的剪裁区域填充 到第一训练集中， 生成目标图像 检测的训练样本 。 9.根据权利要求7所述的系统， 其特征在于， 在卷积层添加批处理规范化层， 并使用反 卷积网络对目标图像 检测的训练样本进行 上采样； 将卷积层采获取的特征图与反卷积网络获取的特征图进行特征融合， 生成训练样本的 特征图。 10.根据权利要求7所述的系统， 其特征在于， 所述先验框包括第 一先验框， 用于对特征 图上的第一尺寸目标进行训练， 以及 第二先验框， 用于对特 征图上的第二尺寸目标进行训练， 以及 第三先验框， 用于对特 征图上的第三尺寸目标进行训练。权　利　要　求　书 2/2 页 3 CN 114445767 A 3