[發(fā)明專利]一種基于YOLOv2網(wǎng)絡(luò)的水上漂浮物檢測方法在審
| 申請?zhí)枺?/td> | 201810533111.7 | 申請日: | 2018-05-25 |
| 公開(公告)號: | CN109033934A | 公開(公告)日: | 2018-12-18 |
| 發(fā)明(設(shè)計)人: | 肖志勇;劉辰 | 申請(專利權(quán))人: | 江南大學(xué) |
| 主分類號: | G06K9/00 | 分類號: | G06K9/00;G06K9/62 |
| 代理公司: | 大連理工大學(xué)專利中心 21200 | 代理人: | 梅洪玉 |
| 地址: | 214122 江*** | 國省代碼: | 江蘇;32 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 數(shù)據(jù)集 水上漂浮物 數(shù)據(jù)增強 檢測 權(quán)重模型 河道 湖泊 機器學(xué)習(xí)領(lǐng)域 計算機視覺 采集數(shù)據(jù) 檢測模塊 圖像樣本 訓(xùn)練模塊 測試集 傳統(tǒng)的 矩形框 人工的 訓(xùn)練集 驗證集 擬合 樣本 視頻 網(wǎng)絡(luò) 監(jiān)控 污染 圖片 | ||
1.一種基于YOLOv2網(wǎng)絡(luò)的水上漂浮物檢測的方法,其特征在于,步驟如下:
步驟1:采集數(shù)據(jù);
通過攝像機采集河道或湖泊的視頻,從中截取畫面中包含水上漂浮物的圖片,生成圖片庫A;利用相機對河道或湖泊上漂浮有漂浮物的圖片進行采集,生成圖片庫B;得到用于訓(xùn)練YOLOv2網(wǎng)絡(luò)的數(shù)據(jù)集A,數(shù)據(jù)集A包括圖片庫A和圖片庫B;
步驟2:數(shù)據(jù)增強;
對數(shù)據(jù)集A進行數(shù)據(jù)增強,通過數(shù)據(jù)增強生成圖片庫C,圖片庫C不包含圖片庫A和圖片庫B;圖片庫A、圖庫B和圖庫C構(gòu)成數(shù)據(jù)集B;
所述的數(shù)據(jù)增強包括旋轉(zhuǎn)、反射變換、翻轉(zhuǎn)變換、縮放變換、平移變換、尺度變換、對比度變換、噪聲擾動和顏色變換;
步驟3:標(biāo)記圖片;
將數(shù)據(jù)集B中的水上漂浮物區(qū)域用矩形框進行標(biāo)記,得到數(shù)據(jù)集D,數(shù)據(jù)集D包含矩形框的坐標(biāo)信息和矩形框中所包含漂浮物的種類信息;
步驟4:訓(xùn)練獲得最優(yōu)權(quán)重模型;
將整個數(shù)據(jù)集B隨機的分為三部分訓(xùn)練集Q1、驗證集Q2和測試集Q3;
4.1訓(xùn)練集Q1用于YOLOv2網(wǎng)絡(luò)的訓(xùn)練,將訓(xùn)練集Q1以及步驟3中生成的數(shù)據(jù)集D送入到Y(jié)OLOv2網(wǎng)絡(luò)中進行訓(xùn)練得到多個權(quán)重模型;
4.2驗證集Q2用于調(diào)整模型參數(shù);多個權(quán)重模型分別對驗證集Q2進行預(yù)測,并記錄權(quán)重模型的準(zhǔn)確率;選出準(zhǔn)確率最大的權(quán)重模型所對應(yīng)的參數(shù),用該參數(shù)生成最優(yōu)權(quán)重模型;
4.3使用測試集Q3進行最優(yōu)權(quán)重模型的預(yù)測,獲得最優(yōu)權(quán)重模型用于檢測模塊的水上漂浮物的檢測;
步驟5:實時檢測水上漂浮物;
將視頻監(jiān)控設(shè)備與計算機連接起來,利用步驟4中訓(xùn)練好的最優(yōu)權(quán)重模型對監(jiān)控的河道或湖泊視頻進行檢測,實時檢測待測水面上是否有漂浮物,將視頻畫面中的水上漂浮物用矩形框標(biāo)出并在計算機上顯示;隨著漂浮物的移動,矩形框會相應(yīng)的跟著移動;同時計算機上輸出被檢測到的漂浮物的坐標(biāo)信息、類別以及個數(shù)。
2.如權(quán)利要求1所述漂浮物檢測的方法,其特征在于,在第5步中,根據(jù)計算機上輸出的信息對河道或湖泊的污染程度分為五個等級,分別為好、較好、輕度污染、中度污染和重度污染;當(dāng)待檢測的河道或湖泊視頻中,漂浮物的個數(shù)為0個時,計算機上顯示該水質(zhì)情況為好;當(dāng)待檢測的視頻中,漂浮物的個數(shù)為1~2個時,計算機上顯示該水質(zhì)情況為較好;當(dāng)待檢測的視頻中,漂浮物的個數(shù)為3~4個時,計算機上顯示該水質(zhì)情況為輕度污染;當(dāng)待檢測視頻中,漂浮物的個數(shù)為5~6個時,計算機上顯示該水質(zhì)情況為中度污染;當(dāng)待檢測的視頻中,漂浮物的個數(shù)超過6個時,計算機上顯示該水質(zhì)情況為重度污染。
3.如權(quán)利要求1或2所述漂浮物檢測的方法,其特征在于,所述的矩形框的坐標(biāo)信息包括:矩形框的中心點坐標(biāo)、矩形框的寬度與高度。
4.如權(quán)利要求1或2所述漂浮物檢測的方法,其特征在于,在第4步中,設(shè)置訓(xùn)練集Q1占數(shù)據(jù)集B的70%;驗證集Q2占數(shù)據(jù)集B的15%;測試集Q3占數(shù)據(jù)集B的15%。
5.如權(quán)利要求3所述漂浮物檢測的方法,其特征在于,在第4步中,設(shè)置訓(xùn)練集Q1占數(shù)據(jù)集B的70%;驗證集Q2占數(shù)據(jù)集B的15%;測試集Q3占數(shù)據(jù)集B的15%。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于江南大學(xué),未經(jīng)江南大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201810533111.7/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 上一篇:一種指紋對比系統(tǒng)
- 下一篇:抬頭紋檢測方法及裝置
- 同類專利
- 專利分類
G06K 數(shù)據(jù)識別;數(shù)據(jù)表示;記錄載體;記錄載體的處理
G06K9-00 用于閱讀或識別印刷或書寫字符或者用于識別圖形,例如,指紋的方法或裝置
G06K9-03 .錯誤的檢測或校正,例如,用重復(fù)掃描圖形的方法
G06K9-18 .應(yīng)用具有附加代碼標(biāo)記或含有代碼標(biāo)記的打印字符的,例如,由不同形狀的各個筆畫組成的,而且每個筆畫表示不同的代碼值的字符
G06K9-20 .圖像捕獲
G06K9-36 .圖像預(yù)處理,即無須判定關(guān)于圖像的同一性而進行的圖像信息處理
G06K9-60 .圖像捕獲和多種預(yù)處理作用的組合
- 數(shù)據(jù)集及數(shù)據(jù)集“異或”的DMA傳送
- 數(shù)據(jù)處理的方法和系統(tǒng)
- 鏈接數(shù)據(jù)集
- 數(shù)據(jù)處理方法及其設(shè)備
- VR視頻轉(zhuǎn)碼方法及裝置
- 數(shù)據(jù)匹配方法以及裝置
- 一種非平衡數(shù)據(jù)集的分類方法
- 處理數(shù)據(jù)的方法、裝置、電子設(shè)備及可讀存儲介質(zhì)
- 基于數(shù)據(jù)傾斜的關(guān)聯(lián)查詢方法、裝置、設(shè)備及存儲介質(zhì)
- 一種實體識別模型的建立方法、系統(tǒng)、電子設(shè)備及介質(zhì)
- 增強數(shù)據(jù)緩存性能
- 增強的數(shù)據(jù)視圖
- 圖像數(shù)據(jù)增強策略選擇方法及人臉識別圖像數(shù)據(jù)增強方法
- 圖像數(shù)據(jù)的增強方法、模型的訓(xùn)練方法、設(shè)備和存儲介質(zhì)
- 學(xué)習(xí)數(shù)據(jù)增強策略
- 數(shù)據(jù)增強策略搜索方法、裝置、設(shè)備以及存儲介質(zhì)
- 圖像數(shù)據(jù)增強方法、系統(tǒng)、存儲介質(zhì)和堆場覆蓋檢測方法
- 數(shù)據(jù)增強方法、訓(xùn)練方法、計算機裝置及存儲介質(zhì)
- 數(shù)據(jù)增強及裝置、數(shù)據(jù)增強設(shè)備和存儲介質(zhì)
- 一種文本分類模型性能優(yōu)化方法、裝置及存儲介質(zhì)





