基于卷积神经网络的红外监测系统设计_焦翔.pdf

电子技术应用 2023年 第49卷 第4期Computer Technology and Its Applications计算机技术与应用基于卷积神经网络的红外监测系统设计焦翔1，赵文策2，蒯亮1，周淦1，白永强2，任彦程2（1.中国电子信息产业集团有限公司第六研究所，北京 102209；2.太原卫星发射中心，山西 太原 030027）摘 要：为了部队后勤物资有效、方便、统一管理，研究设计了一种用于监测物品在位状态的告警监测系统。该系统利用树莓派主板采集红外传感器检测物品在位状态的电平信号以及摄像头拍摄物品的图像数据，并将其转化为通用数据帧，通过指定源组播的方式发送至数据处理模块，最后使用基于卷积神经网络的图像识别算法判断物品的正确性，并在监测模块界面上实时显示其状态。经验证，该系统可以保证数据采集的实时性以及识别物品的准确性，实用性强。关键词：树莓派；红外检测；状态监测；图像识别；卷积神经网络中图分类号：TN215；P315.69 文献标志码：A DOI:10.16157/j.issn.0258-7998.222979中文引用格式：焦翔，赵文策，蒯亮，等.基于卷积神经网络的红外监测系统设计J.电子技术应用，2023，49(4)：83-87.英文引用格式：Jiao Xiang，Zhao Wence，Kuai Liang，et al.Design of infrared monitoring system based on convolutional neural networkJ.Application of Electronic Technique，2023，49(4)：83-87.Design of infrared monitoring system based on convolutional neural networkJiao Xiang1，Zhao Wence2，Kuai Liang1，Zhou Gan1，Bai Yongqiang2，Ren Yancheng2(1.The Sixth Research Institute of China Electronics Corporation，Beijing 102209，China；2.Taiyuan Satellite Launch Center，Taiyuan 030027，China)Abstract：For the effective,convenient and unified management of materials about military logistics,this paper studies and designs a monitoring system for monitoring the presence of items.The system uses the motherboard of Raspberry Pi to collect the level signal of the infrared sensor about the presence of the items and the images taken by camera of the items.Then it converts the data into the general data frame,and sends the frame to the data processing module through the source-specific multicast.Finally,the image recognition based on the convolutional neural network is used to judge the correctness of the item,and display its status in real time through the monitoring interface.It has been verified that the system can ensure the real time of data acquisition and the accuracy of identifying items.It has strong practicability.Key words：Raspberry Pi；infrared detection；condition monitoring；image recognition；convolutional neural network0 引言随着信息技术的不断发展，智能化的概念开始逐渐渗透到各行各业以及我们生活中的方方面面。其中，在部队后勤方面，智能化的物资管理能够有效地提高后勤保障工作，减小管理人员的管理成本，因此建设一套能实现实时化、智能化、可视化的监测系统具有重要的理论意义和实际应用价值。鉴于此，本文以部队后勤物资管理为背景，提出了一种基于卷积神经网络的红外监测系统，实时监测物品状态。该系统以树莓派作为主控制系统集成了多种元器件，并将采集的数据进行数据处理，最后将结果可视化，同时具有查询、预警等功能。该软件系统运行在国产银河麒麟操作系统、国产飞腾芯片处理器上，满足了核心领域高信息安全、高自主可信的服务需求。由于 YOLOv5 网络模型检测精度较高、速度快，因此该系统采用它进行目标检测。1 相关概念(1)指定源组播指定源组播（Source-Specific Multicast，SSM）是一种组播服务模型，是在一个发送者和多个接收者之间进行通信的方法。在 SSM 中，组播接收者在加入组播组时可以指定接收或者拒绝来自特定组播源的组播流量，即匹配上了源地址才接收组播流量，否则丢弃流量。SSM实现了路由协议的简化，使组播传输的稳定性以及安全性得到了增强。并且在实施 SSM 业务时，除了要求网络83Computer Technology and Its Applications计算机技术与应用www.ChinaAET.com端支持网络组播外，还要求网络和应用支持 IGMPv3 协议1。因此 SSM 特别适合于点到多点的组播服务，例如网络娱乐频道、网络新闻频道等。(2)红外探测随着红外探测技术的发展，该技术的应用范围也得到了充分拓展，尤其是在农业、医疗、军事等领域得到了有效的实践应用。红外探测主要是目标探测，利用不同种类物体发射出的红外光波段实现对物体目标的探测与跟踪。该技术的核心是红外传感器，利用传感器搭建红外传感信息采集电路，探测出不可见的红外辐射光，并将其转换为可测量的信号，从而实现信号采集。红外传感器可用于各种自动检测、自动报警和自动控制等装置中23。(3)卷积神经网络卷 积 神 经 网 络（Convolutional Neural Network，CNN）是一种特殊的深层前馈网络，可以处理图像以及一切可以转化成类似图像结构的数据，主要包括输入层、卷积层、池化层、全连接层和输出层。在卷积神经网络中，由输入层输入的图像通过多个卷积层和池化层进行特征提取，逐步由低层特征变为高层特征；再经过全连接层和输出层进行特征分类，产生一维向量，表示当前输入图像的类别47。目前在图像识别中，解决目标检测问题比较好的模型是 YOLO。其中 YOLOv5 是 YOLO 系列最新的算法,主要分为输入端、Backbone、Neck、Prediction四部分。其中，输入层包括 Mosaic 数据增强、自适应锚框计算、自适应图片缩放三部分，主要功能是通过多种方式做数据增强，扩充数据集，增强泛化能力；Backbone 层主要是由 Focus和 CSP 两种结构组成，用于在不同图像细粒度上提取图像特征；Neck 层采用 FPN+PAN 结构，使网络对特征的融合能力得到加强，保留了更丰富的特征信息；Prediction 层通过 Bounding box 损失函数和非极大值抑制处理生成带有类概率、目标得分和包围框的输出向量，得到预测结果。YOLOv5 包括 4 个目标检测网络，分别是 YOLOv5s、YOLOv5m、YOLOv5l、YOLOv5x。它们按照其所含的残差结构的个数依次增多，网络的特征提取、融合能力不断加强，检测精度得到提高，但相应的时间花费也在增加810，其结构差异对比见表 1。2 系统架构设计该系统以平台化、层次化、模块化为原则进行设计，包括硬件模块和软件模块两部分。系统架构图如图 1 所示，硬件模块主要负责集成红外传感器和摄像头到树莓派采集设备上，其中红外传感器是将红外对管等多种元器件集成到电路板上形成的。树莓派采集电平信号以及图片数据，并发送到软件模块。软件模块是基于国产麒麟操作系统和飞腾芯片11，采用 Qt 框架开发，包括数据获取层、数据存储层、数据处理层、数据应用层。数据获取层基于树莓派接口驱动采集红外以及摄像头数据，然后将红外信号和图片按照通用帧格式重组数据发送至其他层；数据存储层将采集到的在位状态以及图片保存至数据库；数据处理层将实时采集的图片输入 YOLOv5 训练完成的预测模型，检测物品的准确性；数据应用层用来可视化物品的状态并预警，同时可以查询物品的历史状态信息。3 硬件设计本系统在硬件设计部分主要包括红外传感器模块、摄像头模块和树莓派模块。树莓派模块负责采集红外传感器的高低电平信号以及摄像头拍摄的图片信息。红外传感器用于检测规定范围内是否有物品，若有物品则开启摄像头以获取图片。通过红外传感器信号控制摄 像 头 的 开 启 可 以 减 少 无 用 信 息，大 大 节 省 了 存 储空间。3.1 红外传感器模块红外传感器主要是元器件把多路信号采集集成在一块电路板上，根据红外对管的发射与接收原理，输出高低电平信号表示是否有物体遮挡红外光。红外传感器简单电路设计如图 2 所示。图 2 中，D1 为红外线发射管、D2 为光敏接收管，D3为发光二极管。当有物品遮挡在 D1、D2 之间时，D2 接表 1YOLOv5 网络结构差异网络结构YOLOv5sYOLOv5mYOLOv5lYOLOv5x残差组件数12243648卷积核数9921 4881 9842 480图 1系统架构设计图84Computer Technology and Its Applications计算机技术与应用电子技术应用 2023年 第49卷 第4期收不到 D1 发出的红外光，D2 电阻值很大，D2 到 D3 的链路不导通或虽然导通但链路电流很小，D3 不亮，此时输出为低电平信号；否则 D3 点亮，输出为高电平信号。“输出”口连接树莓派采集设备。3.2 树莓派模块树莓派是一款基于 ARM 架构的微型电脑主板，体积微小，功能强大，具有性价比高、功耗低、扩展性高和易开发等优点，作为电路板设计平台，十分适合作为本系统的硬件开发平台。其运算速度和准确度等性能指标完全能够满足检测物品在位要求12。本系统采用的是树莓派 4B。其搭载了 4 核 ARM Cortex-A72 处理器，运行内存为 2 GB，主频为 1.5 GHz，带有 CSI 摄像头接口、DSI（显示屏）排线接口、千兆以太网端口等。树莓派的通用输入输出（GPIO）接口使用广泛，可以连接各种电子设备、电路模块、电子元件及多种类型传感器。本系统 GPIO 接口引脚用于程序中读取红外检测电路中的电信号，CSI 接口连接摄像头通过程序驱动获取图片数据，实现实时采集。3.3 摄像头模块摄像头采用树莓派 CSI 接口标准版摄像头，支持1080p30、720p60 和 640480p60/90 摄像。本系统基于树莓派操作系统，安装摄像头相关驱动，并设置其拍照参数，保证采集图片的实时性和清晰性。4 软件设计本系统软件模块主要包括数据获取层、数据存储层、数据处理层、数据应用层，数据通过每层的处理达到监测物品状态的目的，具体流程如图 3 所示。4.1 数据获取层数据获取层主要包括数据采集和数据传输两个功能模块，为了提升效率，通过两个线程处理。数据