基于Movidius神经计算棒的物体检测研究

摘要

物体的实时检测和识别在计算机视觉领域还面临着许多挑战,尤其是在边缘计算设备上部署物体检测模型时,需要大量的内存与算力.Movidius神经计算棒是用于深度学习推理的即插即用开发套件,能为低功耗嵌入式系统视觉设备提供深度神经网络加速功能.针对低功耗设备上的物体检测领域,提出一种基于SSD MobileNetV2神经网络结构的铁钉检测系统.首先,通过数据增强操作获取足够的训练样本,基于TensorFlow迁移学习训练铁钉检测模型;然后,结合OpenVINO对模型进行优化并生成专用网络,通过神经计算棒对部署在低功耗设备上的专用网络进行加速推理,并使用Realsence D435相机获取深度图像的深度值来计算铁钉的距离.实验结果表明,基于Movidius神经计算棒能显著提升在树莓派上的物体检测性能,在UP Squared平台上能够实现实时的铁钉检测与测距.