目标检测方法、装置、边缘设备和计算机可读存储介质与流程

本申请涉及检测，具体而言，涉及一种目标检测方法、装置、边缘设备和计算机可读存储介质。

背景技术：

1、目前，无人机设备飞行巡检过程中需要操作人员在遥控器上查看无人机设备采集的图像，并在图像中标注目标物体，但该方法往往加大了人力劳动压力，且实时性较差。基于此，现有技术中一般可通过检测算法、检测模型等对图像中的目标物体进行识别，但目前将一些算法或模型部署在遥控器等边缘设备上后，往往存在检测精度和检测实时性较差的问题。

技术实现思路

1、有鉴于此，本申请的目的在于提供一种目标检测方法、装置、边缘设备和计算机可读存储介质，以解决检测实时性差、推理利用率低的问题。

2、为了实现上述目的，本申请实施例采用的技术方案如下：

3、第一方面，本发明提供一种目标检测方法，应用于边缘设备，所述边缘设备与无人机设备通信连接，所述方法包括：

4、获取所述无人机设备采集的待识别图像；

5、对所述待识别图像进行增强处理，并将增强处理后的待识别图像输入训练好的轻量化检测模型中，利用所述轻量化检测模型对所述待识别图像进行处理，获得所述待识别图像中的目标物体；

6、其中，所述轻量化检测模型通过对训练好的检测模型进行onnx转化获得所述检测模型对应的onnx模型，并对所述检测模型对应的onnx模型进行tnn转化获得。

7、在可选的实施方式中，所述对所述检测模型对应的onnx模型进行tnn转化通过以下步骤实现：

8、对所述检测模型对应的onnx模型进行结构解析，获得所述onnx模型对应的层次结构；

9、根据所述层次结构将所述onnx模型的各个操作节点映射为tnn模型对应的操作节点，获得初始轻量化检测模型；

10、对所述初始轻量化检测模型进行剪枝处理和量化处理，获得所述轻量化检测模型。

11、在可选的实施方式中，所述检测模型通过以下步骤训练得到：

12、获取多个样本图像；所述样本图像中包括标注信息，所述标注信息表征所述样本图像中待识别的目标物体；

13、按照预设划分参数将多个所述样本图像随机分为训练样本图像和测试样本图像；

14、根据所述训练样本图像和所述测试样本图像对预先构建的检测模型进行模型训练，获得训练好的检测模型。

15、在可选的实施方式中，所述根据所述训练样本图像和所述测试样本图像对预先构建的检测模型进行模型训练，获得训练好的检测模型，包括：

16、将所述训练样本图像输入至预先构建的检测模型中进行模型训练，获得初始检测模型；

17、根据所述测试样本图像对所述初始检测模型进行性能测试，在所述初始检测模型达到预设性能的情况下，将所述初始检测模型确定为训练好的检测模型。

18、在可选的实施方式中，所述预先构建的检测模型进行模型的网络结构为单分支结构；

19、在根据所述训练样本图像和所述测试样本图像对预先构建的检测模型进行模型训练，获得训练好的检测模型之后，所述方法还包括：

20、将所述训练好的检测模型的网络结构转化为三分支结构。

21、在可选的实施方式中，所述预先构建的检测模型的网络结构为三分支结构。

22、第二方面，本发明提供一种目标检测装置，应用于边缘设备，所述边缘设备与无人机设备通信连接，所述方法包括：

23、获取模块，用于获取所述无人机设备采集并发送的待识别图像；

24、模型处理模块，用于对所述待识别图像进行增强处理，并将增强处理后的待识别图像输入训练好的轻量化检测模型中，利用所述轻量化检测模型对所述待识别图像进行处理，获得所述待识别图像中的目标物体；

25、其中，所述轻量化检测模型通过对训练好的检测模型进行onnx转化获得所述检测模型对应的onnx模型，并对所述检测模型对应的onnx模型进行tnn转化获得。

26、在可选的实施方式中，所述目标检测装置还包括：

27、模型生成模块，用于对所述检测模型对应的onnx模型进行结构解析，获得所述onnx模型对应的层次结构；根据所述层次结构将所述onnx模型的各个操作节点映射为tnn模型对应的操作节点，获得初始轻量化检测模型；对所述初始轻量化检测模型进行剪枝处理和量化处理，获得所述轻量化检测模型。

28、第三方面，本发明提供一种边缘设备，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机程序，所述处理器可执行所述计算机程序以实现前述实施方式任一所述的方法。

29、第四方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现前述实施方式任一所述的方法。

30、本申请实施例提供的目标检测方法、装置、边缘设备和计算机可读存储介质，边缘设备可获取无人机设备采集并发送的待识别图像，在对待识别图像进行增强处理后，将其输入到训练好的轻量化监测模型中，利用该轻量化检测模型对待识别图像进行处理，从而可获得该待识别图像中的目标物体，由于该轻量化检测模型是通过对训练好的检测模型进行onnx转化获得检测模型对应的onnx模型，并对该onnx模型进行tnn转化得到的，因此将该轻量化检测模型部署在边缘设备上对待识别图像进行检测，可提高模型的检测精度和检测实时性。

31、为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

技术特征：

1.一种目标检测方法，其特征在于，应用于边缘设备，所述边缘设备与无人机设备通信连接，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述对所述检测模型对应的onnx模型进行tnn转化通过以下步骤实现：

3.根据权利要求1所述的方法，其特征在于，所述检测模型通过以下步骤训练得到：

4.根据权利要求3所述的方法，其特征在于，所述根据所述训练样本图像和所述测试样本图像对预先构建的检测模型进行模型训练，获得训练好的检测模型，包括：

5.根据权利要求3所述的方法，其特征在于，所述预先构建的检测模型进行模型的网络结构为单分支结构；

6.根据权利要求3所述的方法，其特征在于，所述预先构建的检测模型的网络结构为三分支结构。

7.一种目标检测装置，其特征在于，应用于边缘设备，所述边缘设备与无人机设备通信连接，所述装置包括：

8.根据权利要求7所述的装置，其特征在于，所述目标检测装置还包括：

9.一种边缘设备，其特征在于，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机程序，所述处理器可执行所述计算机程序以实现权利要求1-6任一所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-6任一所述的方法。

技术总结
本申请实施例提出一种目标检测方法、装置、边缘设备和计算机可读存储介质，涉及检测技术领域。边缘设备可获取无人机设备采集的待识别图像；对待识别图像进行增强处理，并将增强处理后的待识别图像输入训练好的轻量化检测模型中，利用轻量化检测模型对待识别图像进行处理，获得待识别图像中的目标物体；其中，轻量化检测模型通过对训练好的检测模型进行ONNX转化获得检测模型对应的ONNX模型，并对检测模型对应的ONNX模型进行TNN转化获得，因此将该轻量化检测模型部署在边缘设备上对待识别图像进行检测，可提高模型的检测精度和检测实时性。

技术研发人员：秦丹峰,李勇,潘屹峰,黄吴蒙,邓广宏,谢仕潡
受保护的技术使用者：广州中科云图智能科技有限公司
技术研发日：
技术公布日：2024/7/15