一种基于Yolov5算法的目标监控与处理系统及方法

一种基于yolov5算法的目标监控与处理系统及方法
技术领域
1.本发明涉及物联网领域，尤其涉及一种基于yolov5算法的目标监控与处理方法及系统。


背景技术：

2.现实应用中存在非常多的物品分类的应用场景，比如物流分拣、垃圾分类、图片分类、纸张分类等，随着人工智能和物联网的发展，同时在生产中人工成本的升高，研发人员通常采用各类传感器来获取目标特征，再结合人工智能算法实现某种特定的功能。
3.但目前的物品分类方案由于维护成本、传感器成本、控制芯片成本等的限制，导致目前的分类方案存在控制较为简单，还存在着智能化程度不高和模块化程度较低、功能单一、电能损耗高、维护成本较高等问题。
4.因此，在物品分类时，针对成本较高、智能化不够、不能处理多个目标物品、维护成本较高等问题，为了满足用户对物品分类的低成本、智能化的需求，设计一种造价便宜、分类准确的系统，成为本领域技术人员亟待解决的技术问题。


技术实现要素：

5.本发明的目的在于提供一种基于yolov5算法的目标监控与处理系统及方法来克服现有技术存在的物品收集分类成本过高和准确率过低的问题。
6.为实现上述目的，本发明所采用的技术方案是：一种基于yolov5算法的目标监控与处理系统，包括一个云服务器，至少二个摄像头，一个红外感应装置，一个数据处理单元，一个目标放置平台，一个机械臂，一个网络连接单元，多个物品收集装置；目标放置平台预先设置多个不同的区域；红外感应装置用于对目标放置平台进行监控，并判断是否有人在放置物品；摄像头用于对目标放置平台的物品拍照并保存图片；数据处理单元通过网络连接单元连接云服务器，并将摄像头获取的图片上传到云服务器；云服务器通过并yolov5算法进行目标检测，并将检测结果传回数据处理单元；数据处理单元根据云服务器传回的检测结果控制机械臂，机械臂将物品放入与检测结果相匹配的物品收集装置。
7.优选地，该系统还包括一个显示屏，用于提醒使用者将不同的物品放置在目标放置平台的不同区域。
8.优选地，使用不同颜色对目标放置平台的不同区域进行区分。
9.优选地，云服务器储存有物品和类别的分类规则库，并采用yolov5算法对上传的图片进行自适应锚框、自适应缩放后进行检测识别，识别后根据分类规则库的规则将识别结果转换为类别并传回数据处理单元。
10.优选地，分类规则库会定时进行更新。
11.优选地，数据处理单元通过摄像头和红外传感装置判断目标放置平台上是否存在多个物品，在存在多个物品时，控制机械臂将物品按照预设的顺序逐一进行处理。
12.优选地，物品收集装置包含一个超声波满溢检测装置，用于获取物品收集装置的容纳数据，并发送给数据处理单元，在物品收集装置的物品容纳超过预设值时，将物品收集装置的容纳数据和位置信息发给云服务器，云服务器将通过位置信息将物品收集装置的数据发给距离该物品收集装置最近的工作人员进行处理。
13.优选地，云服务器包含管理模块，管理模块收集与该服务器连接的所有目标放置平台与物品收集装置的信息。
14.优选地，机械臂的自由度为2。
15.一种基于yolov5算法的目标监控与处理方法，该方法包含以下步骤，步骤一：使用红外感应装置判断是否有人进行在目标放置平台放置物品进行监控；步骤二：使用摄像头对目标放置平台的物品拍照并保存图片；步骤三：使用数据处理单元通过网络连接单元连接云服务器，并将摄像头获取的图片上传到云服务器；步骤四：云服务器通过并yolov5算法进行目标检测，并将检测结果传回数据处理单元；步骤五：数据处理单元根据云服务器传回的检测结果控制机械臂，机械臂将物品放入与检测结果相匹配的物品收集装置。
16.优选地，云服务器储存有物品和类别的分类规则库，并采用yolov5算法对上传的图片进行自适应锚框、自适应缩放后进行检测识别，识别后根据分类规则库的规则将识别结果转换为类别并传回数据处理单元。
17.优选地，数据处理单元通过摄像头和红外传感装置判断目标放置平台上是否存在多个物品，在存在多个物品时，控制机械臂将物品按照预设的顺序逐一进行处理。
18.优选地， 物品收集装置包含一个超声波满溢检测装置，用于获取物品收集装置的容纳数据，并发送给数据处理单元，在物品收集装置的物品容纳超过预设值时，将物品收集装置的容纳数据和位置信息发给云服务器，云服务器将通过位置信息将物品收集装置的数据发给距离该物品收集装置最近的工作人员进行处理。
19.与现有技术相比，本发明的有益效果包括：1．通过红外感应的方式监控目标放置平台，只有在感应到目标放置平台上存在目标物品时，才启动摄像头和数据处理单元等模块，能够减少摄像头、数据处理单元和云服务器的无效使用时间，降低设备的能耗；2．通过将图像处理算法放于云服务器的方式，将传统实现数据处理的模块不必放于使用者的设备中，可以购买性能更低的控制芯片，达到降低单套设备的成本的效果；3．通过yolov5算法进行目标的检测识别，yolov5算法通过卷积神经网络的方式能够提供物品的识别率，而不必像传统的将识别算法放置于使用者设备的处理器或控制芯片上一样采用算法复杂度较低的图像识别算法；4．通过监控目标放置平台、提取物品图像特征、检测识别物品并控制机械臂进行
物品的处理，是全自动化和智能化的方式，可以有效降低人员配备和提高设备的运转效率；5.将物品放置于指定的区域，可以提高物品图像特征提取的质量，降低机械臂的操作难度；6.在分类规则变化时，不需要在每一台设备进行更改分类规则来进行设备的升级维护，只需要在云服务器上对分类规则进行统一，可以大幅降低维护成本，提高设备的升级更新效率，保证物品分类的准确性；7.通过对采集的物品图像数据进行自适应锚框和自适应缩放的预处理后再进行检测识别，能够使得获取的图片数据更符合识别模型的需求，进而能够提高物品图像识别模型的准确率；8.本方案考虑到设备日常操作中，目标放置平台可能同时存在多个物品的情况，采用设定的规则进行物品的逐一处理，能够增强产品对现实情况的适应能力，减少异常情况的发生；9.云服务器获取物品收集装置的信息并将其发给距离最近的工作人员，可以提高处理物品收集装置的效率，及时避免物品收集装置放不下物品的情况。
附图说明
20.图1为一种基于yolov5算法的目标监控与处理系统处理流程示意图。
具体实施方式
21.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图，对本发明实施例中的技术方案进行清楚、完整的描述。显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。
22.因此，以下对本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的部分实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
23.需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征和技术方案可以相互组合。
24.实施例1一种基于yolov5算法的目标监控与处理系统，包括一个云服务器，至少二个摄像头，一个红外感应装置，一个数据处理单元，一个目标放置平台，一个机械臂，一个网络连接单元，多个物品收集装置；目标放置平台预先设置多个不同的区域；红外感应装置用于对目标放置平台进行监控，并判断是否有人在放置物品；摄像头用于对目标放置平台的物品拍照并保存图片；数据处理单元通过网络连接单元连接云服务器，并将摄像头获取的图片上传到云服务器；云服务器通过并yolov5算法进行目标检测，并将检测结果传回数据处理单元；数据处理单元根据云服务器传回的检测结果控制机械臂，机械臂将物品放入与检测结果相匹配的物品收集装置。
25.该系统的处理流程参见图1。
26.通过本实施例的技术方案，能够达到如下技术效果：1）通过红外感应的方式监控目标放置平台，只有在感应到目标放置平台上存在目标物品时，才启动摄像头和数据处理单元等模块，能够减少摄像头、数据处理单元和云服务器的无效使用时间，降低设备的能耗；2）通过将图像处理算法放于云服务器的方式，将传统实现数据处理的模块不必放于使用者的设备中，可以购买性能更低的控制芯片，达到降低单套设备的成本的效果；3）通过yolov5算法进行目标的检测识别，yolov5算法通过卷积神经网络的方式能够提供物品的识别率，而不必像传统的将识别算法放置于使用者设备的处理器或控制芯片上一样采用算法复杂度较低的图像识别算法；4）通过监控目标放置平台、提取物品图像特征、检测识别物品并控制机械臂进行物品的处理，是全自动化和智能化的方式，可以有效降低人员配备和提高设备的运转效率。
27.实施例2在实施例1的基础上，该系统还包括一个显示屏，用于提醒使用者将不同的物品放置在目标放置平台的不同区域。使用不同颜色对目标放置平台的不同区域进行区分。
28.此外，显示器可设置显示设备每日的运转数据，包括机械臂的使用次数，每一类物品的处理数量。
29.通过本实施例的技术方案，能够达到如下技术效果：1）当本系统应用于垃圾分类中，可以强化人们对垃圾分类的知识，提高使用者的环保意识；2）当本系统应用于物流分拣中，可以通过显示屏显示分类的统计情况，使设备管理者能够获取；3）将物品放置于指定的区域，可以提高物品图像特征提取的质量，降低机械臂的操作难度。
30.实施例3在实施例1的基础上，云服务器储存有物品和类别的分类规则库，并采用yolov5算法对上传的图片进行自适应锚框、自适应缩放后进行检测识别，识别后根据分类规则库的规则将识别结果转换为类别并传回数据处理单元。分类规则库会定时进行更新。
31.此外，云服务器上包括物品的图像特征数据库，且该图像特征数据库能够进行升级更新。
32.通过本实施例的技术方案，能够达到如下技术效果：1）在分类规则变化时，不需要在每一台设备进行更改分类规则来进行设备的升级维护，只需要在云服务器上对分类规则进行统一，可以大幅降低维护成本，提高设备的升级更新效率，保证物品分类的准确性；2）通过对采集的物品图像数据进行自适应锚框和自适应缩放的预处理后再进行检测识别，能够使得获取的图片数据更符合识别模型的需求，进而能够提高物品图像识别模型的准确率。
33.实施例4在实施例1的基础上，数据处理单元通过摄像头和红外传感装置判断目标放置平
台上是否存在多个物品，在存在多个物品时，控制机械臂将物品按照预设的顺序逐一进行处理。物品收集装置包含一个超声波满溢检测装置，用于获取物品收集装置的容纳数据，并发送给数据处理单元，在物品收集装置的物品容纳超过预设值时，将物品收集装置的容纳数据和位置信息发给云服务器，云服务器将通过位置信息将物品收集装置的数据发给距离该物品收集装置最近的工作人员进行处理。
34.通过本实施例的技术方案，能够达到如下技术效果：1）本方案考虑到设备日常操作中，目标放置平台可能同时存在多个物品的情况，采用设定的规则进行物品的逐一处理，能够增强产品对现实情况的适应能力，减少异常情况的发生；2）云服务器获取物品收集装置的信息并将其发给距离最近的工作人员，可以提高处理物品收集装置的效率，及时避免物品收集装置放不下物品的情况。
35.实施例5一种基于yolov5算法的目标监控与处理方法，该方法包含以下步骤，步骤一：使用红外感应装置判断是否有人进行在目标放置平台放置物品进行监控；步骤二：使用摄像头对目标放置平台的物品拍照并保存图片；步骤三：使用数据处理单元通过网络连接单元连接云服务器，并将摄像头获取的图片上传到云服务器；步骤四：云服务器通过并yolov5算法进行目标检测，并将检测结果传回数据处理单元；步骤五：数据处理单元根据云服务器传回的检测结果控制机械臂，机械臂将物品放入与检测结果相匹配的物品收集装置。
36.通过本实施例的技术方案，能够达到如下技术效果：1）通过红外感应的方式监控物品放置平台，能够减少摄像头、数据处理单元和云服务器的无效使用时间，降低设备的功耗；2）通过将图像处理算法放于云服务器的方式，能够降低单套设备的成本；3）通过yolov5算法进行目标的检测识别，能够提供物品的识别率；4）通过监控目标放置平台、提取物品图像特征、检测识别物品并控制机械臂进行物品的处理，是全自动化和智能化的方式，可以降低人工成本。
37.实施例6在实施例5的基础上，进行如下设置：云服务器储存有物品和类别的分类规则库，并采用yolov5算法对上传的图片进行自适应锚框、自适应缩放后进行检测识别，识别后根据分类规则库的规则将识别结果转换为类别并传回数据处理单元。
38.数据处理单元通过摄像头和红外传感装置判断目标放置平台上是否存在多个物品，在存在多个物品时，控制机械臂将物品按照预设的顺序逐一进行处理。
39.物品收集装置包含一个超声波满溢检测装置，用于获取物品收集装置的容纳数据，并发送给数据处理单元，在物品收集装置的物品容纳超过预设值时，将物品收集装置的容纳数据和位置信息发给云服务器，云服务器将通过位置信息将物品收集装置的数据发给
距离该物品收集装置最近的工作人员进行处理。
40.通过本实施例的技术方案，能够达到如下技术效果：1）通过对采集的物品图像数据进行自适应锚框和自适应缩放的预处理后再进行检测识别，能够提高物品识别的准确率；2）能够处理目标放置平台上存在多个物品的情况，增强了本方案对现实情况的适应能力；3）云服务器获取物品收集装置的信息并将其发给距离最近的工作人员，可以提高处理物品收集装置的效率。
41.此外，为了提高机械臂的灵活度，设置机械臂的自由度为2。在机械臂进行物品抓取时，采用手眼标定技术，完成物体位置的定位，实现机械臂的抓取。
42.以上实施例仅用以说明本发明而并非限制本发明所描述的技术方案，尽管本说明书参照上述的各个实施例对本发明已进行了详细的说明，但本发明不局限于上述具体实施方式，因此任何对本发明进行修改或等同替换；而一切不脱离发明的精神和范围的技术方案及其改进，其均涵盖在本发明的权利要求范围当中。