【《基于深度学习的工机具自动清点系统设计与实现案例分析》2500字】

基于深度学习的工机具自动清点系统设计与实现案例分析目录TOC\o"1-3"\h\u21606基于深度学习的工机具自动清点系统设计与实现案例分析 1218791.1引言 1293831.2铁路工机具自动清点系统设计 1294401.2.1需求分析 1319481.2.2系统组成 2182231.3铁路工机具自动清点系统实现 3引言基于对工机具检测方法的研究，本章将设计并实现基于深度学习的铁路工机具自动清点系统。首先介绍了铁路工机具自动清点系统设计中的需求分析和系统组成，然后介绍了系统的具体实现。铁路工机具自动清点系统设计需求分析在铁路系统中，工人在进行维修时经常存在工机具遗失的情况。为此，铁路部门在安排工人外出维修前会将工具包拍照留存。在工人完成维修工作后，再次将工具包拍照留存。若发现有工具丢失可以及时进行处理。但是这些看似简单的工作，需要耗费人力成本，而且存在人为的不可控因素。为解决上述问题，本文认为构建一个智能化的自动清点工机具的系统很有必要。本系统中管理员可以使用模型修改和工机具清点两个模块，用户可以使用工机具清点模块。用例图如图5-1所示。图5-1系统用例图管理员可以在后端的模型修改模块对模型进行参数设置和更新维护，最重要的是可以改进工机具检测模型，比如增加训练数据，优化深度学习目标检测网络模型等操作，提高系统对工机具检测的准确度，从而为用户提供更便利有效的服务，进而减少铁路部门财政损失。在前端，管理员和用户都可以使用工机具清点模块。系统组成本系统的功能主要包括工机具图像采集、工机具检测和工机具清点。图像采集是树莓派控制相机采集图像。工机具检测是本系统的关键部分，检测结果直接影响工机具清点的效果。铁路工机具自动清点系统中所用的工机具检测模型是基于多尺度特征融合网络的铁路工机具目标检测模型，以深度学习目标检测网络Retinanet为基础，构造了特征融合增强模块，在充分利用上下文信息的同时使目标特征靠近感受野中心，可实现对不同尺度铁路工机具的高精度检测。目标检测模型以采集的图像作为输入，结合神经计算棒的加速能力，利用深度学习目标检测模型识别工机具。工机具清点是对采集的出工前后的工机具图像分别利用目标检测模型进行检测，对比分析目标工机具类别及其对应数量，实现工机具清点。铁路工机具自动清点系统实现本系统的核心是设计并实现了一个智能相机，其主要由树莓派3代b、摄像头、Intel神经计算棒2代等核心部件构成。其中，树莓派为相机的主要部件，其运行linux系统，执行相机的控制程序；摄像头用于采集工机具图片；Intel神经计算棒的使用可以对训练好的神经网络目标检测模型进行加速。本章软件环境如表5-1所示，采用了Python语言编写，训练和测试在Ubuntu18.04LTS操作系统中进行，神经网络模型采用的是Pytorch深度学习框架。前端页面采用JavaScript语言编写，JavaScript是一种多范式、解释型的编程语言，支持面向对象编程。利用Bootstrap框架优化页面，并采用了Jquery技术实现进行前端和后端交互。表5-1实验软件环境实验环境配置数据语言Python3.6，JavaScript操作系统Ubuntu18.04LTS深度学习框架PytorchCUDACUDA10.0OpenCVOpenCV3.4.4处理器树莓派3代b显卡Intel神经计算棒2代目标检测框架多尺度特征融合网络前端框架Bootstrap系统总体结构如图5-2所示。首先，将基于多尺度特征融合网络的铁路工机具目标检测模型在数据集增强后的工机具数据集上经过充分训练，优化模型，并调整参数，最终得到一个最优的工机具目标检测模图5-2系统总体架构图型。将训练并优化好的铁路工机具目标检测模型移植到智能相机中，其主要的工机具检测代码如图5-3所示。然后利用智能相机中的摄像头分别采集工人出工前后的工机具图像，作为铁路工机具目标检测模型的输入，应用铁路工机具目标检测模型进行在线实时检测，获取出工前和收工后的工机具类别，并自动统计出工前后每类工机具对应的数量，通过对比分析，可实现工机具清点，此后将清点结果生成工机具清点报告。图5-3工机具检测代码工机具自动清点系统需要统计检测出的工机具类别和数量。获取工机具的分类信息是实现清点的前提，基于深度学习的铁路工机具自动清点系统的实现流程如图5-4所示。图5-4工机具自动清点系统流程图第一次使用本系统时，需要在开启相机后载入铁路工机具目标检测模型，随后就可以开始进行工机具清点任务了。首先采集出工前后的工机具图像，然后选择需要检测的图像并上传到指定文件夹，最后运行工机具目标检测模型对指定文件夹下的图像进行检测，得到检测结果，对比分析出工前后的工机具图像的检测结果得到工机具清点报告。系统界面如图5-5所示，第一行是系统名称，名称下面是出工前工机具图像采集，出工后工机具图像采集，工机具图像上传和工机具图像检测，再往下是清点报告展示。图5-5系统界面图（1）采集检测图像。开启智能相机，分别点击出工前工机具图像采集和出工后工机具图像采集，可触发相机拍照功能，分别进行拍照并保存出工前和出工后的工机具图像。工机具图像采集界面如图5-6所示。（2）确定待检测图像。用户可以在“请上传出工前的工机具图片”的照片上传框中选择需要检测的出工前的工机具图像，并上传到工机具目标检测模型中图像输入所指定的文件夹内。照片上传成功后照片上传框会变成“您已上传成功，开始检测吧”。确定出工后的待检测工机具图像方法同上。（3）工机具检测。点击“开始检测”按钮，运行基于多尺度特征融合网络的工机具目标检测模型，训练好的模型对确定的待检测工机具图像进行检测，得到工机具类别和位置信息。图5-6工机具图像采集（4）工机具清点。完成对出工前和收工后的工机具图像检测之后，点击“清点报告”按钮，分别统计工机具名称和对应的数量并生成清点报告，判断工机具是否遗失。系统界面如图5-7所示。图5-7工机具清点如图5-7的清点报告所示，“编号”表示工机具有多少种，“工具名称”是基于多尺度特征融合网络的工机具目标检测模型对出工前后的工机具图像进行检测后的所有工机具类别，“出工前数量”表示对出工前采集的工机具图像进行检测后的工机具类别所对应的数量，“出工后数量”表示对出工后采集的工机具图