加油机障碍物检测模型的训练方法、装置、设备及介质制造方法及图纸

本申请实施例提供了一种加油机障碍物检测模型的训练方法、装置、设备及介质，该包括：将样本图像输入到加油机障碍物检测模型中，得到样本图像的障碍物的存在结果以及障碍物的存在概率；根据存在概率、障碍物存在标识，确定加油机障碍物检测模型的准确率；判断准确率是否小于预设值；若准确率小于预设值，则根据样本图像的障碍物存在标识、障碍物的存在结果对加油机障碍物检测模型进行更新，并跳转到将样本图像、障碍物存在标识输入到加油机障碍物检测模型中，并继续执行。通过本申请的方式，能够对加油机障碍物检测模型进行训练。对加油机障碍物检测模型进行训练。对加油机障碍物检测模型进行训练。

【技术实现步骤摘要】
加油机障碍物检测模型的训练方法、装置、设备及介质


[0001]本专利技术涉及障碍物检测领域，具体而言，涉及一种加油机障碍物检测模型的训练方法、装置、设备及介质。

技术介绍

[0002]随着物联网的发展和新零售消费形式的变革，越来越多的加油站成为人、车生活消费的驿站，加油站油品和非油品销售的比例在发生变化，非油品销售的比例越来越高，人们在加油站停留的时间越来越长。因此，在城市中心区建设小型的悬挂式加油机日渐成为趋势。
[0003]悬挂式加油机是将传统加油机按照功能分为若干个模块，将加油装置悬挂于加油站罩棚上，实现安全的加油作业，为加油站提质增效赋能。虽然悬挂式加油机能解决诸多问题，但是在使用的过程中也会产生一些风险，比如，行驶的车辆、行人等有可能会与正在运动的加油枪发生碰撞。一旦发生碰撞，会产生巨大的财产损失，甚至对人的生命安全造成威胁。因此需要对悬挂式加油机前的障碍物进行检测。
[0004]目前，一般通过雷达对悬挂式加油机前的障碍物进行检测，但是雷达装置的成本较高。随着科技的发展，更希望通过训练得到的模型来确定悬挂式加油机前是否存在障碍物，但是目前并没有关于此类模型的训练方法。

技术实现思路

[0005]有鉴于此，本申请的目的在于提供一种加油机障碍物检测模型的训练方法、装置、设备及介质，能够对加油机障碍物检测模型进行训练。
[0006]第一方面，本申请实施例提供了一种加油机障碍物检测模型的训练方法，该加油机障碍物检测模型的训练方法包括：
[0007]获取加油机前方预设范围内的样本图像以及样本图像对应的障碍物存在标识；障碍物存在标识用于标识样本图像中是否存在障碍物；
[0008]将样本图像输入到激活函数为Leaky ReLU、采用GoogLeNet网络结构的加油机障碍物检测模型中，得到样本图像的障碍物的存在结果以及障碍物的存在概率；
[0009]根据存在概率、障碍物存在标识，确定加油机障碍物检测模型的准确率；
[0010]判断准确率是否小于预设值；
[0011]若准确率小于预设值，则根据样本图像的障碍物存在标识、障碍物的存在结果对加油机障碍物检测模型进行更新，并跳转到将样本图像、障碍物存在标识输入到激活函数为Leaky ReLU、采用GoogLeNet网络结构的加油机障碍物检测模型中，并继续执行。
[0012]在一种可能的实施方式中，该方法还包括：
[0013]确定样本图像的障碍物存在标识、存在结果均为不存在障碍物的第一数量；
[0014]确定样本图像的障碍物存在标识、存在结果均为存在障碍物的第二数量；
[0015]确定样本图像的障碍物存在标识为存在障碍物、存在结果为不存在障碍物的第三
数量；
[0016]根据第一数量、第二数量、第三数量确定加油机障碍物检测模型的准确率。
[0017]在一种可能的实施方式中，根据第一数量、第二数量、第三数量确定加油机障碍物检测模型的准确率，包括：
[0018]计算第一数量、第二数量的和，得到第一和值；
[0019]计算第一数量、第二数量、第三数量的和，得到第二和值；
[0020]将第一和值与第二和值的比值确定为加油机障碍物检测模型的准确率。
[0021]在一种可能的实施方式中，激活函数Leaky ReLU的表达式，包括：
[0022][0023]其中，Leaky ReLU(x)为增强非线性表达能力后的样本图像的特征矩阵，x为样本图像特征矩阵，γ为预设常数。
[0024]在一种可能的实施方式中，该加油机障碍物检测模型的训练方法还包括：
[0025]获取加油机前方预设范围内障碍物检测图像；
[0026]将障碍物检测图像输入到加油机障碍物检测模型中，得到障碍物检测图像的障碍物的存在结果。
[0027]在一种可能的实施方式中，根据存在概率、障碍物存在标识，确定加油机障碍物检测模型的准确率，包括：
[0028]通过下述公式确定加油机障碍物检测模型的准确率；
[0029][0030]其中，L为加油机障碍物检测模型的准确率，N为样本图像的个数，i为1
‑
N的整数，y
i
为第i个样本图像的障碍物存在标识，p
i
为数值1与第i个样本图像的存在概率的差值。
[0031]第二方面，本申请实施例还提供了一种加油机障碍物检测模型的训练装置，该加油机障碍物检测模型的训练装置包括：
[0032]获取模块，用于获取加油机前方预设范围内的样本图像以及所述样本图像对应的障碍物存在标识；所述障碍物存在标识用于标识样本图像中是否存在障碍物；
[0033]输入模块，用于将所述样本图像输入到激活函数为Leaky ReLU、采用GoogLeNet网络结构的加油机障碍物检测模型中，得到所述样本图像的障碍物的存在结果以及障碍物的存在概率；
[0034]确定模块，用于根据所述存在概率、所述障碍物存在标识，确定所述加油机障碍物检测模型的准确率；
[0035]判断模块，用于判断所述准确率是否小于预设值；若所述准确率小于所述预设值，则根据所述样本图像的障碍物存在标识、障碍物的存在结果对所述加油机障碍物检测模型进行更新，并跳转到所述将所述样本图像、障碍物存在标识输入到激活函数为Leaky ReLU、采用GoogLeNet网络结构的加油机障碍物检测模型中，并继续执行。
[0036]在一种可能的实施方式中，该装置还包括：
[0037]确定模块，还用于确定样本图像的障碍物存在标识、存在结果均为不存在障碍物的第一数量；
[0038]确定模块，还用于确定样本图像的障碍物存在标识、存在结果均为存在障碍物的第二数量；
[0039]确定模块，还用于确定样本图像的障碍物存在标识为存在障碍物、存在结果为不存在障碍物的第三数量；
[0040]确定模块，还用于根据第一数量、第二数量、第三数量确定加油机障碍物检测模型的准确率。
[0041]在一种可能的实施方式中，确定模块，具体用于计算第一数量、第二数量的和，得到第一和值；计算第一数量、第二数量、第三数量的和，得到第二和值；将第一和值与第二和值的比值确定为加油机障碍物检测模型的准确率。
[0042]在一种可能的实施方式中，获取模块，还用于获取加油机前方预设范围内障碍物检测图像；
[0043]输入模块，还用于将障碍物检测图像输入到加油机障碍物检测模型中，得到障碍物检测图像的障碍物的存在结果。
[0044]在一种可能的实施方式中，确定模块，具体用于通过下述公式确定加油机障碍物检测模型的准确率；其中，L为加油机障碍物检测模型的准确率，N为样本图像的个数，i为1
‑
N的整数，y
i
为第i个样本图像的障碍物存在标识，p
i
为数值1与第i个样本图像的存在概率的差值。
[0045]第三方面，本申请实施例还提供了一种电子设备，包本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种加油机障碍物检测模型的训练方法，其特征在于，所述加油机障碍物检测模型的训练方法包括：获取加油机前方预设范围内的样本图像以及所述样本图像对应的障碍物存在标识；所述障碍物存在标识用于标识样本图像中是否存在障碍物；将所述样本图像输入到激活函数为Leaky ReLU、采用GoogLeNet网络结构的加油机障碍物检测模型中，得到所述样本图像的障碍物的存在结果以及障碍物的存在概率；根据所述存在概率、所述障碍物存在标识，确定所述加油机障碍物检测模型的准确率；判断所述准确率是否小于预设值；若所述准确率小于所述预设值，则根据所述样本图像的障碍物存在标识、障碍物的存在结果对所述加油机障碍物检测模型进行更新，并跳转到所述将所述样本图像、障碍物存在标识输入到激活函数为Leaky ReLU、采用GoogLeNet网络结构的加油机障碍物检测模型中，并继续执行。2.根据权利要求1所述的加油机障碍物检测模型的训练方法，其特征在于，所述方法还包括：确定所述样本图像的障碍物存在标识、存在结果均为不存在障碍物的第一数量；确定所述样本图像的障碍物存在标识、存在结果均为存在障碍物的第二数量；确定所述样本图像的障碍物存在标识为存在障碍物、存在结果为不存在障碍物的第三数量；根据所述第一数量、所述第二数量、所述第三数量确定所述加油机障碍物检测模型的准确率。3.根据权利要求2所述的加油机障碍物检测模型的训练方法，其特征在于，所述根据所述第一数量、所述第二数量、所述第三数量确定所述加油机障碍物检测模型的准确率，包括：计算所述第一数量、所述第二数量的和，得到第一和值；计算所述第一数量、所述第二数量、所述第三数量的和，得到第二和值；将所述第一和值与所述第二和值的比值确定为所述加油机障碍物检测模型的准确率。4.根据权利要求1所述的加油机障碍物检测模型的训练方法，其特征在于，激活函数Leaky ReLU的表达式，包括：其中，Leaky ReLU(x)为增强非线性表达能力后的样本图像的特征矩阵，x为样本图像特征矩阵，γ为预设常数。5.根据权利要求1至4任一项所述的加油机障碍物检测模型的训练方法，其特征在于，所述加油机障碍物检测模型的训练方法还包括：获取加油机前方预设范围内障碍物检测图像；将所述障碍物检测图像输入到所述加油机障碍物检测模型中，得到所述障碍物检测图像的障碍物的存在结果。6.根据权利要求1所述的加油机障碍物检测模型的训练方法，其特征在于，所述根据所述存在概率、所述障碍物存在标识，确定所述加...

【专利技术属性】
技术研发人员：王伟国，赵兵兵，孙自花，郑宝全，杨如娟，郝静，
申请(专利权)人：正星科技股份有限公司，
类型：发明
国别省市：