[發(fā)明專利]一種水壩壩體異常情況的空基檢測方法與裝置在審
| 申請?zhí)枺?/td> | 201811094762.7 | 申請日: | 2018-09-19 |
| 公開(公告)號: | CN109409406A | 公開(公告)日: | 2019-03-01 |
| 發(fā)明(設(shè)計(jì))人: | 曹先彬;杜文博;甄先通;李巖;劉旭輝;胡宇韜 | 申請(專利權(quán))人: | 北京航空航天大學(xué) |
| 主分類號: | G06K9/62 | 分類號: | G06K9/62;G06N3/04 |
| 代理公司: | 北京永創(chuàng)新實(shí)專利事務(wù)所 11121 | 代理人: | 冀學(xué)軍 |
| 地址: | 100191*** | 國省代碼: | 北京;11 |
| 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: | 檢測結(jié)果 水壩壩體 決策圖 空基 高清攝像裝置 卷積神經(jīng)網(wǎng)絡(luò) 圖像處理技術(shù) 高度傳感器 角度傳感器 速度傳感器 滑動窗口 損失函數(shù) 提取特征 位置圖像 原始圖像 閾值比較 反卷積 交叉熵 上采樣 訓(xùn)練集 翻轉(zhuǎn) 檢測 避障 省工 置信 省力 加密 采集 概率 | ||
1.一種水壩壩體異常情況的空基檢測方法,其特征在于,具體步驟如下:
步驟一、無人機(jī)搭載高清攝像裝置,按特定軌跡、特定高度飛行,對水壩進(jìn)行巡檢,采集指定位置圖像;
步驟二、對采集的原始圖像進(jìn)行預(yù)處理,通過旋轉(zhuǎn)和翻轉(zhuǎn),依次對原始圖像進(jìn)行變換,得到新的訓(xùn)練集;
步驟三、對新的訓(xùn)練集圖像,使用全卷積網(wǎng)絡(luò)RPN通過滑動窗口,對各個圖像檢測并提取特征區(qū)域;
具體為:針對某個訓(xùn)練集圖像,輸入到全卷積網(wǎng)絡(luò)RPN后,在最后卷積得到的特征圖上使用一個小網(wǎng)絡(luò)進(jìn)行滑動掃描,這個滑動小網(wǎng)絡(luò)每次與特征圖上3*3的窗口全連接,然后映射到一個低維向量,最后將這個低維向量分別送入到兩個全連接層:bbox回歸層和bbox分類層從而得到各類特征區(qū)域;
步驟四、對提取的每類特征區(qū)域,使用卷積神經(jīng)網(wǎng)絡(luò)分別訓(xùn)練相應(yīng)的模型,并通過反卷積操作實(shí)現(xiàn)上采樣,將每張?zhí)卣鲌D放大到和原圖相同大小的決策圖,釋放特征信息,得到?jīng)Q策圖每個點(diǎn)的置信概率,并與設(shè)定好的閾值比較,得出各類特征區(qū)域內(nèi)該點(diǎn)的檢測結(jié)果是否發(fā)生異常以及發(fā)生異常的種類;
每個模型設(shè)定各自的閾值,當(dāng)某個決策圖中某個點(diǎn)的置信概率大于閾值時,視為該決策圖發(fā)生異常;異常種類為該決策圖對應(yīng)的特征區(qū)域種類;
步驟五、根據(jù)檢測結(jié)果結(jié)合梯度下降算法,運(yùn)用反向傳播更新網(wǎng)絡(luò)參數(shù),通過交叉熵?fù)p失函數(shù)將決策圖每個點(diǎn)的檢測結(jié)果與該點(diǎn)的真實(shí)值進(jìn)行比較,縮小決策圖的檢測結(jié)果與真實(shí)結(jié)果的差值;
通過反向傳播,計(jì)算交叉熵?fù)p失函數(shù)的梯度以及各層的輸出誤差,得到權(quán)重矩陣W和偏置b的梯度表達(dá)式,并用梯度下降法優(yōu)化W和b,更新特征網(wǎng)絡(luò)參數(shù),不斷優(yōu)化損失函數(shù)的值,使得決策圖檢測結(jié)果與真實(shí)結(jié)果相差越來越小。
2.如權(quán)利要求1所述的一種水壩壩體異常情況的空基檢測方法,其特征在于,所述的步驟二具體為:
首先,對所有原始圖像進(jìn)行尺度歸一化處理,保證每個作為訓(xùn)練樣本的圖像尺度相同;
然后,對尺度相同的訓(xùn)練樣本分別進(jìn)行旋轉(zhuǎn)變換;
設(shè)定逆時針旋轉(zhuǎn)角度為θ,旋轉(zhuǎn)前某個訓(xùn)練樣本上的某點(diǎn)A坐標(biāo)為(x0,y0),旋轉(zhuǎn)后該點(diǎn)A的坐標(biāo)為(x1,y1),則有
x1=x0cosθ-y0sinθ
y1=x0sinθ+y0cosθ
最后,對旋轉(zhuǎn)變換后的各個訓(xùn)練樣本進(jìn)行隨機(jī)翻轉(zhuǎn)處理,構(gòu)成新的訓(xùn)練集。
3.如權(quán)利要求1所述的一種水壩壩體異常情況的空基檢測方法,其特征在于,所述的特征區(qū)域包括:水壩迎水面為一類,防浪墻為一類,壩頂為一類,背水坡壩面、壩腳為一類,迎水面大壩附近水面為一類。
4.如權(quán)利要求1所述的一種水壩壩體異常情況的空基檢測方法,其特征在于,所述的步驟四中具體檢測內(nèi)容包括:對迎水面大壩附近是否有旋渦進(jìn)行檢測,對迎水面護(hù)坡塊石是否有移動、凹陷或突鼓進(jìn)行檢測,對防浪墻、壩頂是否有裂縫進(jìn)行檢測,對壩頂是否有塌坑進(jìn)行檢測,對背水坡壩面、壩腳及鎮(zhèn)壓層范圍內(nèi)是否出現(xiàn)滲漏突鼓現(xiàn)象進(jìn)行檢測,對大壩附近及溢洪道兩側(cè)山體巖石是否錯動或出現(xiàn)新裂縫進(jìn)行檢測。
5.如權(quán)利要求1所述的一種水壩壩體異常情況的空基檢測方法,其特征在于,步驟五中所述的交叉熵?fù)p失函數(shù)的計(jì)算方法如下:
設(shè)輸入為xi,則對應(yīng)神經(jīng)網(wǎng)絡(luò)的輸出為ai,交叉熵?fù)p失函數(shù)C如下所示:
n為訓(xùn)練數(shù)據(jù)的總數(shù),求和是在所有訓(xùn)練輸入x上進(jìn)行的,yi為i點(diǎn)真實(shí)的label,ai為判決圖中i點(diǎn)對應(yīng)的置信概率。
6.應(yīng)用于權(quán)利要求1所述的一種水壩壩體異常情況的空基檢測方法的檢測裝置,其特征在于,具體包括:
無人機(jī)搭載高清攝像裝置、避障器、角度傳感器、速度傳感器,高度傳感器以及GPS定位設(shè)備,按固定航線固定高度飛行,及時調(diào)整無人機(jī)飛行高度和無人機(jī)避障,高清攝像裝置拍攝水壩各個位置,得到高清圖像進(jìn)行存儲。
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)利屬于北京航空航天大學(xué),未經(jīng)北京航空航天大學(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/201811094762.7/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 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(jìn)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





