(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 202210549759.X (22)申请日 2022.05.17 (71)申请人 大连理工大 学 地址 116024 辽宁省大连市高新园区凌工 路2号 申请人 大连维视科技有限公司 (72)发明人 徐严顺　卢湖川　王一帆　何友　 (74)专利代理 机构 大连东方专利代理有限责任 公司 21212 专利代理师 李洪福 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/73(2017.01) G06N 3/04(2006.01) G06N 3/08(2006.01)G06N 5/04(2006.01) (54)发明名称 一种基于YOLOv5的智能机器人冰壶检测方 法 (57)摘要 本发明提供一种基于YOLOv5的智 能机器人 冰壶检测方法， 涉及计算机视觉技术领域。 本发 明方法， 包括如下步骤： 获取冰壶比赛现场图像； 使用标注软件对所述冰壶比赛现场图像进行标 注， 得到标注后的图像； 将所述图像特征图输入 至YOLOv5 预测网络进行前背景预测， 输 出不同采 样倍数对应的分类预测分数和回归定位系数； 将 所述预测分数及边框回归值反向映射至原始图 像， 并在原始图像上打印， 得到检测结果图。 本发 明针对冰壶机器人比赛的数据特点， 设计轻量化 的目标检测网络， 并克服数据分布单一、 拍摄光 线较暗等困难， 设计了不同的数据增强方式， 重 新设计损失函数。 在满足高识别和定位精度的同 时实现了高帧率的检测速度。 权利要求书1页 说明书7页 附图5页 CN 115100111 A 2022.09.23 CN 115100111 A 1.一种基于YOLOv5的智能机器人冰壶检测方法， 其特征在于， 所述检测方法包括如下 步骤： 获取冰壶比赛现场图像； 使用标注软件 对所述冰壶比赛现场图像进行 标注， 得到标注后的图像； 使用图像增广方法对标注后的图像进行图像增广， 得到增广后的图像； 使用自适应初始锚框计算方法对增广后的图像做图像锚框预处理， 得到预处理后图 像； 提取所述预处理后图像的RGB值， 将所述RGB值输入至YOLOv5的骨架网络进行图像特征 提取， 输出图像特 征图； 将所述图像特征图输入至YOLOv5预测网络进行前背景预测， 输出不同采样倍数对应的 分类预测分数和回归定位系数； 将回归定位系数、 定位锚点 坐标、 原图长 宽尺寸进行计算得到原 始图像的边框回归值； 将所述预测分数及边框回归值反向映射至原始图像， 并在原始图像上打印， 得到检测 结果图。 2.根据权利要求1所述的基于YOLOv5的智能机器人冰壶检测方法， 其特征在于， 所述 YOLOv5的骨架网络的图像特征包括： 所述YOLOv5的骨架网络使用步长为2的卷积核和残差 模块不断提取深度特征， 得到不同采样倍数的下采样特征图， 所述YOLOv5的骨架网络利用 不同倍数的下采样特 征图构建可感知不同目标尺寸的特 征金字塔。 3.根据权利 要求2所述的基于YOLOv5的智能机器人冰壶检测方法， 其特征在于， 所述前 背景预测包括： 所述Y OLOv5的预测网络对不同下采样倍数的特征图进 行上采样并和对应下 采样特征图拼接， 再经过残差模块、 卷积操作、 预测头部， 输出不同采样倍数对应的分类预 测分数和回归定位系数。 4.根据权利 要求1所述的基于YOLOv5的智能机器人冰壶检测方法， 其特征在于， 所述图 像增广方法包括水平/垂直翻转增广方法、 颜色变换增广方法和随机裁剪增广方法和马赛 克增广方法。 5.根据权利 要求1所述的基于YOLOv5的智能机器人冰壶检测方法， 其特征在于， 对所述 冰壶比赛现场图像进行标注时， 使每张冰壶比赛现场图像的角度一致， 每个冰壶相对棋盘 的相对位置一 致， 标注文件的格式一 致。 6.根据权利要求1所述的基于YOLOv5的智能机器人冰壶检测方法， 其特征在于， 还包 括， 使用TensorRT模 型加速包将YOLOv5的高细粒度的算子整合为粗粒度的大算子， 使用C++ 语言实现算法的底层推理， 满足在硬件部署的模型 轻量化及检测速度的要求。权　利　要　求　书 1/1 页 2 CN 115100111 A 2一种基于 YOLOv5的智能机 器人冰壶检测方 法 技术领域 [0001]本发明涉及计算机视觉技术领域， 具体而言， 尤其涉及一种基于YOLOv5的智能机 器人冰壶检测方法。 背景技术 [0002]冰壶运动最早起源于苏格兰， 人们普遍认为它是历史最为悠久的团队竞技运动之 一。 在冰壶比赛中， 每场的参赛队伍有两只， 每只队伍有四名比赛队员， 每场比赛总共进行 十小局的比赛。 场上的每名队员可以投掷两次冰壶， 两支队伍四名队员交替投掷冰壶。 当队 员投掷冰壶后， 队内的两名队员会拿着冰擦跟随冰壶运动， 并在适当的时间在冰壶运动前 方进行擦冰， 让冰壶尽可能到达想要的位置。 在所有队员都投掷完成后， 根据场上的冰壶与 大本营中心的距离来决定比赛的胜负。 计算机技术和数字技术在现代体育场馆和体育比赛 中发挥着越来越重要的作用。 例如， 乒乓球和网球比赛中的鹰眼系统具有记录和回放比赛 过程、 模拟运动过程和仲裁纠纷结果等功能。 飞人刘翔称赞了计算机辅助体育技术在其训 练中发挥的关键作用。 所以说计算机计算机技术在冰壶运动训练过程中就有了用武之地， 使用相机、 传感器等设备对图像、 温度、 力学等数据进行记录， 基于计算机视觉方法对图像 进行处理对感兴趣的目标进 行识别、 跟踪， 然后综合处理所获得的所有 数据， 将结果反馈给 运动员和教练以此来辅助训练过程， 使机器人辅助训练技术达到国际先进 水平。 因此， 机器 人冰壶比赛进入了人们的视野。 [0003]机器人冰壶比赛要求机器人在精确获得赛况如冰壶数量， 冰壶坐标， 冰壶类别(以 橘色和蓝 色区分)后， 依此判断下一轮发球的角度和速度。 所以比赛对机器人算法的精度和 速度都提出了很高的要求， 同时由于机器人 的硬件限制， 模型部署对模型 的参数大小也提 出了很高的要求。 [0004]现有的冰壶机器人检测算法往往由于训练数据集较小和算法不够先进的原因， 并 不能提供很好的检测精度， 进而使机器人产生误判， 模型计算量过大使检测速度也不能满 足比赛高实时性的要求， 模型参数量过 大的问题在硬件部署时也会产生困难。 发明内容 [0005]根据上述提出对机器人算法的精度、 速度和部署的要求等技术问题， 而提供一种 基于YOLOv5的智能机器人冰壶检测方法。 本发 明主要利用数据增强和改进损失函数等方法 来提高模型的检测精度， 利用TensorRT模型加 速包提高模型的参数量， 降低模型的检测 速 度和硬件部署难度。 [0006]本发明采用的技 术手段如下： [0007]一种基于 YOLOv5的智能机器人冰壶检测方法， 所述检测方法包括如下步骤： [0008]获取冰壶比赛现场图像； [0009]使用标注软件 对所述冰壶比赛现场图像进行 标注， 得到标注后的图像； [0010]使用图像增广方法对标注后的图像进行图像增广， 得到增广后的图像；说　明　书 1/7 页 3 CN 115100111 A 3