一种基于YOLO算法的衣物检测回收方法、系统、介质和设备与流程

本发明涉及人工智能，更具体地，涉及一种基于yolo算法的衣物检测回收方法、系统、介质和设备。

背景技术：

1、在医疗领域，人们通常使用射频识别rfid技术来完成手术衣鞋的回收和管理。通过在每件手术衣鞋中植入识别芯片，我们可以实现衣鞋的全流程追溯和回收管理。

2、射频识别rfid技术虽然可用于管理手术衣鞋的发放回收，但在实际应用中，该方法未充分考虑手术电磁环境的复杂性，因此未能有效解决识别芯片寿命短、识别成功率低的问题，导致衣鞋的全流程追溯和回收管理的效果欠佳。

技术实现思路

1、本发明旨在提供一种基于yolo算法的衣物检测回收方法、系统、介质和设备，以解决上述技术问题，通过采用yolo算法进行训练，建立检测模型，使得部署有检测模型的终端可以在复杂电磁环境下进行衣物和鞋子的有效回收，避免植入芯片导致资源浪费的情况。

2、本发明解决其技术问题所采用的技术方案是：一种基于yolo算法的衣物检测回收方法，包括以下步骤：

3、采集衣物和人员素材，得到样本图像；

4、通过样本图像建立采用yolo算法训练的检测模型；

5、将训练好的检测模型部署到终端；

6、使用终端进行衣物的检测和回收。

7、优选的，采集若干环境下的衣物和人员素材，对素材进行垂直和水平翻转，获得不同环境下的样本图像。

8、优选的，所述建立采用yolo算法训练的检测模型具体为：

9、将不同环境下的样本图像作为初始数据集，将不同环境下的样本图像分为训练集和测试集；

10、搭建卷积网络，将训练集的样本图像输入卷积网络，采用yolo算法进行训练，直到神经网络收敛，得到检测模型；

11、将测试集的不同环境下的样本图像输入检测模型进行测试。

12、优选的，所述采用yolo算法进行训练具体为：

13、在检测模型中输入样本图像，将样本图像划分为互不重合的网格；

14、针对每个网格预测若干个边框以及边框的置信度；

15、通过边框的置信度预测目标窗口；

16、去除目标窗口中可能性低的目标窗口和冗余窗口。

17、优选的，所述置信度具体为边框含有目标的可能性以及边框的准确度的乘积。

18、优选的，边框含有目标的可能性的表征方法为：边框含有目标的置信度记为1，边框不含有目标的置信度记为0；边框的准确度采用预测框和实际框的交并比来表征。

19、优选的，将重复性高的边框的置信度记为0，采用非极大值抑制算法对置信度记为0的目标窗口进行剔除，得到去除可能性低的目标窗口和冗余窗口的目标窗口。

20、一种基于yolo算法的衣物检测回收系统，包括依次电性连接的素材采集模块、模型训练模块、模型部署模块和衣物检测模块；

21、素材采集模块，用于采集衣物和人员素材，得到样本图像；

22、模型训练模块，用于通过样本图像建立采用yolo算法训练的检测模型；

23、模型部署模块，用于将训练好的检测模型部署到终端；

24、衣物检测模块，用于使用终端进行衣物的检测和回收。

25、一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序；其中，所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如所述的一种基于yolo算法的衣物检测回收方法。

26、一种终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器在执行所述计算机程序时实现如所述的一种基于yolo算法的衣物检测回收方法。

27、本发明的有益效果是：

28、本发明旨在提供一种基于yolo算法的衣物检测回收方法、系统、介质和设备，通过采用yolo算法进行训练，建立检测模型，使得部署有检测模型的终端可以在复杂电磁环境下进行衣物和鞋子的有效回收，避免植入芯片导致资源浪费的情况。

技术特征：

1.一种基于yolo算法的衣物检测回收方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于yolo算法的衣物检测回收方法，其特征在于，采集若干环境下的衣物和人员素材，对素材进行垂直和水平翻转，获得不同环境下的样本图像。

3.根据权利要求2所述的一种基于yolo算法的衣物检测回收方法，其特征在于，所述建立采用yolo算法训练的检测模型具体为：

4.根据权利要求3所述的一种基于yolo算法的衣物检测回收方法，其特征在于，所述采用yolo算法进行训练具体为：

5.根据权利要求4所述的一种基于yolo算法的衣物检测回收方法，其特征在于，所述置信度具体为边框含有目标的可能性以及边框的准确度的乘积。

6.根据权利要求5所述的一种基于yolo算法的衣物检测回收方法，其特征在于，边框含有目标的可能性的表征方法为：边框含有目标的置信度记为1，边框不含有目标的置信度记为0；边框的准确度采用预测框和实际框的交并比来表征。

7.根据权利要求6所述的一种基于yolo算法的衣物检测回收方法，其特征在于，将重复性高的边框的置信度记为0，采用非极大值抑制算法对置信度记为0的目标窗口进行剔除，得到去除可能性低的目标窗口和冗余窗口的目标窗口。

8.一种基于yolo算法的衣物检测回收系统，其特征在于，包括依次电性连接的素材采集模块、模型训练模块、模型部署模块和衣物检测模块；

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序；其中，所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如权利要求1-7中任一项所述的一种基于yolo算法的衣物检测回收方法。

10.一种终端设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器在执行所述计算机程序时实现如权利要求1-7中任一项所述的一种基于yolo算法的衣物检测回收方法。

技术总结
本发明涉及人工智能领域，所要解决的技术问题是提供一种基于YOLO算法的衣物检测回收方法、系统、介质和设备，方法包括以下步骤：采集衣物和人员素材，得到样本图像；通过样本图像建立采用YOLO算法训练的检测模型；将训练好的检测模型部署到终端；使用终端进行衣物的检测和回收。通过采用YOLO算法进行训练，建立检测模型，使得部署有检测模型的终端可以在复杂电磁环境下进行衣物和鞋子的有效回收，避免植入芯片导致资源浪费的情况。

技术研发人员：李勇,莫素林
受保护的技术使用者：广州市仪美医用家具科技股份有限公司
技术研发日：
技术公布日：2024/4/17