(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210703169.8 (22)申请日 2022.06.21 (71)申请人 北京远舢智能科技有限公司 地址 101400 北京市怀柔区渤海镇怀沙路 536号 (72)发明人 郭斌　李晓波　徐志远　 (74)专利代理 机构 北京超凡宏宇专利代理事务 所(特殊普通 合伙) 11463 专利代理师 张萌 (51)Int.Cl. G06T 7/73(2017.01) G06T 7/60(2017.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种烟叶布料车和传送带的位置确定方法 及装置 (57)摘要 本申请提供了一种烟叶布料车和传送带的 位置确定方法及装置， 其中， 该方法包括： 获取包 含烟叶布料车和传送带的图像； 确定图像中的烟 叶布料车和传送带分别对应的包围框信息和修 正包围框信息； 将修正包围框信息与对应的包围 框信息的差值， 确定为包围框信息的补偿； 将图 像作为训练样本、 将图像对应的包围框信息和补 偿作为标签， 输入到神经网络模型中进行训练； 将包含待确定烟叶布料车和待确定传送带的待 确定图像输入至训练好的神经网络模 型中， 预测 出待确定图像的预测包围框信息和预测补偿； 根 据预测包围框信息和预测补偿， 确定待确定烟叶 布料车和待确定传送带的位置 。 权利要求书3页 说明书10页 附图3页 CN 115035192 A 2022.09.09 CN 115035192 A 1.一种烟叶布料车和传送带的位置确定方法， 其特征在于， 所述烟叶布料车和传送带 的位置确定方法包括： 获取包含烟叶布料 车和传送带的图像； 确定所述图像中的所述烟叶布料车和所述传送带分别对应的包围框信息和修正包围 框信息； 所述包围框信息是通过标注软件确定的所述烟叶布料车和所述传送带分别对应的 包围框的大小和位置； 所述修正包围框信息为人为标注的所述烟叶布料车和所述传送带分 别对应的包围框的大小和位置； 将所述修正包围框信 息与对应的所述包围框信 息的差值， 确定为所述包围框信 息的补 偿； 将所述图像作为训练样本、 将所述图像对应的所述包围框信息和所述补偿作为标签， 输入到神经网络模型中进行训练； 将包含待确定烟叶布料车和待确定传送带的待确定 图像输入至训练好的神经网络模 型中， 预测出 所述待确定图像的预测包围框信息和预测补偿； 根据所述预测包围框信 息和所述预测补偿， 确定所述待确定烟叶布料车和所述待确定 传送带的位置 。 2.根据权利要求1所述的烟叶布料车和传送带的位置确定方法， 其特征在于， 所述预测 包围框信息包括： 预测包围框的预测中心 点坐标、 预测中心 点偏移、 预测宽度、 预测高度； 所 述预测补偿包括： 预测中心点坐标补偿、 预测中心点偏移补偿、 预测宽度补偿、 预测高度补 偿； 所述根据 所述预测包围框信 息和所述预测补偿， 确定所述待确定烟叶布料车和所述待 确定传送带的位置包括： 将所述待确定烟叶布料车和所述待确定传送带分别对应的预测中心点坐标、 预测中心 点偏移、 预测宽度、 预测高度与预测中心 点坐标补偿、 预测中心 点偏移补偿、 预测宽度补偿、 预测高度补偿对应相加， 确定为所述待确定烟叶布料车和所述待确定传送带分别对应的位 置。 3.根据权利要求1或2所述的烟叶布料车和传送带的位置确定方法， 其特征在于， 所述 根据所述预测包围框信息和所述预测补偿， 确定所述待确定烟叶布料车和所述待确定传送 带的位置之后， 所述方法还 包括： 计算所述待确定烟叶布料 车和所述待确定传送带的重合的高度值； 判断重合的高度值与所述待确定烟叶布料 车对应的预测高度的比值是否大于预设值； 若重合的高度值与 所述待确定烟叶布料车对应的预测高度的比值大于预设值， 则确定 所述待确定烟叶布料 车和所述待确定传送带的位置正常。 4.根据权利要求1所述的烟叶布料车和传送带的位置确定方法， 其特征在于， 所述神经 网络模型的损失函数通过以下公式计算： Ldet＝Lc+Lk+λsizeLsize+Loff+Lclass 公式中， Ldet表示神经网络模型的损失函数； Lc表示神经 网络模型的补偿损失函数； Lk表 示神经网络模型的中心点图热力值损失函数； Lsize表示神经网络模型的宽高损失函数； λsize 表示宽高损失函数的权重； Loff表示神经网络模型的中心点偏移损失函数； Lclas表示神经网 络模型的分类损失函数。权　利　要　求　书 1/3 页 2 CN 115035192 A 25.根据权利要求4所述的烟叶布料车和传送带的位置确定方法， 其特征在于， 所述补偿 损失函数通过以下公式计算： 公式中， Lc表示神经网络模型的补偿损失函数； N指的是神经网络模型的总训练图像的 数量； lp表示神经网络模型的预测补偿； vl表示包围框信息的补偿。 6.根据权利要求4或5所述的烟叶布料车和传送带的位置确定方法， 其特征在于， 所述 神经网络模型包括前端网络和后端网络； 所述将包含待确定烟叶布料车和待确定传送带的 待确定图像输入至训练好的神经网络模型中， 预测出所述待确定图像的预测包围框信息和 预测误差包括： 将包含待确定烟叶布料车和待确定传送带的待确定图像输入至所述前端 网络， 所述前 端网络确定出 所述待确定图像的特 征值； 所述后端网络根据所述特 征值预测出 所述待确定图像的预测包围框信息和预测误差 。 7.一种烟叶布料车和传送带的位置确定装置， 其特征在于， 所述烟叶布料车和传送带 的位置确定装置包括： 获取模块， 用于获取包 含烟叶布料 车和传送带的图像； 第一确定模块， 用于确定所述图像中的所述烟叶布料车和所述传送带分别对应的包围 框信息和修正包围框信息； 所述包围框信息是通过标注软件确定的所述烟叶布料车和所述 传送带分别对应的包围框的大小和位置； 所述修正包围框信息为人为标注的所述烟叶布料 车和所述传送带分别对应的包围框的大小和位置； 第二确定模块， 用于将所述修正包围框信息与对应的所述包围框信息的差值， 确定为 所述包围框信息的补偿； 训练模块， 用于将所述图像作为训练样本、 将所述图像对应的所述包围框信息和所述 补偿作为标签， 输入到神经网络模型中进行训练； 预测模块， 用于将包含待确定烟叶布料车和待确定传送带的待确定图像输入至训练好 的神经网络模型中， 预测出 所述待确定图像的预测包围框信息和预测补偿； 第三确定模块， 用于根据所述预测包围框信息和所述预测补偿， 确定所述待确定烟叶 布料车和所述待确定传送带的位置 。 8.根据权利要求7所述的装置， 其特征在于， 所述预测包围框信息包括： 预测包围框的 预测中心 点坐标、 预测中心 点偏移、 预测宽度、 预测高度； 所述预测补偿包括： 预测中心 点坐 标补偿、 预测中心点偏移补偿、 预测宽度补偿、 预测高度补偿； 所述第三确定模块， 还用于将所述待确定烟叶布料车和所述待确定传送带分别对应的 预测中心点坐标、 预测中心点偏移、 预测宽度、 预测高度与预测中心点坐标补偿、 预测中心 点偏移补偿、 预测宽度补偿、 预测高度补偿对应相加， 确定为所述待确定烟叶布料车和所述 待确定传送带分别对应的位置 。 9.一种电子设备， 其特征在于， 包括： 处理器、 存储器和总线， 所述存储器存储有所述处 理器可执行 的机器可读指令， 当电子设备运行时， 所述处理器与所述存储器之间通过所述 总线进行通信， 所述机器可读指 令被所述处理器运行时执行如权利要求 1至6任一所述的烟权　利　要　求　书 2/3 页 3 CN 115035192 A 3