[發明專利]一種基于深度學習圖像處理的電焊施工檢測方法

在審

• 申請號: 202011636904.5
• 申請日: 2020-12-31
• 公開（公告）號: CN112633238A
• 公開（公告）日: 2021-04-09
• 發明（設計）人: 樊浬
• 申請（專利權）人: 上海蓬渤機電設備有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 上海海貝律師事務所 31301
• 代理人: 宋振宇

1.一種基于深度學習圖像處理的電焊施工檢測方法，其特征在于：包括以下步驟：

S1：樣本采集：采集工廠施工區域的視頻信息；

S2：將上述圖像或視頻進行智能結構化處理，識別出場景中的人體屬性；

S3：對采集的視頻信息進行標記，標記出正在電焊施工作業和沒有電焊施工作業的；

S4：對標記后的數據用深度學習算法進行檢索訓練；

S5：將正在電焊施工作業和沒有電焊施工作業的數據進行分類訓練，生成CNN模型；

S6：實時獲取施工現場的視頻數據，利用模型檢測是否在進行電焊施工作業。

2.根據權利要求1所述的一種基于深度學習圖像處理的電焊施工檢測方法，其特征在于：所述步驟S1中樣本采集是通過監控攝像頭進行拍攝，拍攝的要求是多角度無死角、且每次拍攝取樣之間的間隔小于1小時。

3.根據權利要求1所述的一種基于深度學習圖像處理的電焊施工檢測方法，其特征在于：所述步驟S2中圖像或視頻進行智能結構化處理是提取圖像或視頻中人員的動作以及姿勢。

4.根據權利要求3所述的一種基于深度學習圖像處理的電焊施工檢測方法，其特征在于：所述人員的行為包括行走、蹲、站立、俯身。

5.根據權利要求1所述的一種基于深度學習圖像處理的電焊施工檢測方法，其特征在于：所述步驟S3中對視頻信息的標記采用人工標記，人工標記使用的工具為labelImg工具。

6.根據權利要求1所述的一種基于深度學習圖像處理的電焊施工檢測方法，其特征在于：所述步驟S4中檢索訓練是根據Faster R-CNN框架搭建神經網絡模型，檢索出標記的正在電焊施工作業的圖片，確定電焊施工作業的操作區域。

7.根據權利要求1所述的一種基于深度學習圖像處理的電焊施工檢測方法，其特征在于：所述步驟S5中使用ResNet-152-CNN卷積神經網絡模型作為人員的分類模型，進行分類訓練，從而確定正在電焊施工作業和沒有電焊施工作業。

8.根據權利要求1所述的一種基于深度學習圖像處理的電焊施工檢測方法，其特征在于：所述步驟S6中對現場視頻數據的檢測，是提取視頻中的任意圖像，將提取的圖像與CNN模型中的目標數據進行對比，從而確定是否在進行電焊施工作業。

9.根據權利要求1所述的一種基于深度學習圖像處理的電焊施工檢測方法，其特征在于：所述步驟S2中圖像或視頻進行智能結構化處理還包括人員附近電焊顏色的處理，根據電焊作業時的顏色特征，判斷該人員區域的顏色是否符合顏色條件；如果符合，則判斷為進行電焊施工作業，如果不符合顏色條件，則進行后續的識別步驟。