[發(fā)明專利]一種基于ZF-Faster RCNNs的電纜隧道積水定位識別方法

有效

• 申請?zhí)枺?/td>: 201810559133.0
• 申請日: 2018-06-01
• 公開（公告）號: CN108985322B
• 公開（公告）日: 2019-11-22
• 發(fā)明（設(shè)計）人: 崔江靜;黃順濤;仇煒;裴星宇;朱五洲;江霖;劉淡冰;廖雁群;袁永毅
• 申請（專利權(quán)）人: 廣東電網(wǎng)有限責(zé)任公司;廣東電網(wǎng)有限責(zé)任公司珠海供電局
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00;G06N3/04
• 代理公司: 44102 廣州粵高專利商標(biāo)代理有限公司
• 代理人: 劉瑤云<國際申請>=<國際公布>=<進入

本發(fā)明涉及計算機圖像處理方法的技術(shù)領(lǐng)域，更具體地，涉及一種基于ZF?Faster RCNNs的電纜隧道積水定位識別方法，包括候選區(qū)域生成的步驟、特征提取的步驟、類別判斷的步驟以及位置精修的步驟，先采用RPN網(wǎng)絡(luò)提取積水定位區(qū)域建議，然后用Faster R?CNN檢測網(wǎng)絡(luò)在建議框內(nèi)進行圖像識別、SVM分類，最后對建議框進行位置精修，通過將傳統(tǒng)的Faster R?CNN檢測網(wǎng)絡(luò)種的Softmax分類方法替換成SVM，避免了由于正則化參數(shù)選取造成的概率計算近似結(jié)果，增強了分類的置信度。本發(fā)明能夠?qū)崿F(xiàn)實時監(jiān)控電纜隧道內(nèi)的積水情況，且能夠?qū)崿F(xiàn)電纜隧道積水區(qū)域的快速識別和定位，定位準(zhǔn)確，計算效率高。

技術(shù)領(lǐng)域

本發(fā)明涉及計算機圖像處理方法的技術(shù)領(lǐng)域，更具體地，涉及一種基于ZF-FasterRCNNs的電纜隧道積水定位識別方法。

背景技術(shù)

目前，國內(nèi)的電纜隧道積水監(jiān)測大多基于水泵及水位監(jiān)測系統(tǒng)，其監(jiān)測目標(biāo)為電纜隧道內(nèi)集水坑的水位，當(dāng)水位超過預(yù)設(shè)值時會啟動遠程警報，隧道維護人員通過該信號確定水泵是否正常排水，并采取相關(guān)應(yīng)急措施。然而，這種監(jiān)測方式只能將對象局限于集水坑，無法兼顧整個電纜隧道各個位置的積水情況，且反饋不夠及時，難以實時監(jiān)控電纜隧道內(nèi)的積水情況，難以解決隧道潮濕的問題。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供一種基于ZF-Faster RCNNs的電纜隧道積水定位識別方法，采用數(shù)字圖像處理技術(shù)和基于區(qū)域建議的卷積神經(jīng)網(wǎng)絡(luò)算法進行電纜隧道積水的實時監(jiān)控和圖像定位識別。

為解決上述技術(shù)問題，本發(fā)明采用的技術(shù)方案是：

提供一種基于ZF-Faster RCNNs的電纜隧道積水定位識別方法，包括以下步驟：

S1.通過隧道巡檢機器人攝像頭拍攝采集包含有積水的隧道積水樣本圖像；

S2.遍歷步驟S1中所述隧道積水樣本圖像，對每張樣本圖像用包圍框?qū)Ψe水區(qū)域進行標(biāo)記處理，將包圍框內(nèi)的像素點標(biāo)記為積水類別，將包圍框外的像素點標(biāo)記為背景類別，獲得訓(xùn)練集；

S3.對步驟S2中所述訓(xùn)練集中具有包圍框的隧道積水樣本圖像進行尺度縮放，將每張樣本圖像和包圍框的較長邊變換到預(yù)設(shè)目標(biāo)尺寸，較短邊根據(jù)較長邊變換到預(yù)設(shè)目標(biāo)尺寸的縮放尺度進行相同比例縮放；

S4.構(gòu)建包含ZFnet網(wǎng)絡(luò)和RPN網(wǎng)絡(luò)的Faster R-CNN檢測網(wǎng)絡(luò)，使用PASCALVOC2011 Example Images對ZFnet網(wǎng)絡(luò)進行預(yù)訓(xùn)練，所述RPN網(wǎng)絡(luò)和Faster R-CNN檢測網(wǎng)絡(luò)均為ZFnet網(wǎng)絡(luò)的基礎(chǔ)上增加功能層得到；

S5.使用步驟S4預(yù)訓(xùn)練得到的ZFnet網(wǎng)絡(luò)對RPN網(wǎng)絡(luò)進行初始化，步驟S4中所述功能層進行卷積運算得到積水定位區(qū)域建議框；

S6.使用步驟S4預(yù)訓(xùn)練得到的ZFnet網(wǎng)絡(luò)對Faster R-CNN檢測網(wǎng)絡(luò)進行初始化，將步驟S5中得到的積水定位區(qū)域建議框作為Faster R-CNN檢測網(wǎng)絡(luò)的輸入，進行層卷積、池化運算以及SVM分類器計算以判斷所述積水定位區(qū)域建議框是否存在隧道積水的結(jié)論以及積水區(qū)域的位置；

S7.重復(fù)步驟S5和步驟S6使用樣本圖像對Faster R-CNN檢測網(wǎng)絡(luò)進行訓(xùn)練和微調(diào)，在誤差反向傳播的過程中調(diào)整矩陣的參數(shù)，得到適合用于電纜隧道積水定位識別的Faster R-CNN檢測網(wǎng)絡(luò)。