[發明專利]一種基于深度學習的油位狀態檢測方法及其電子設備

在審

• 申請號: 202110287337.5
• 申請日: 2021-03-17
• 公開（公告）號: CN113129263A
• 公開（公告）日: 2021-07-16
• 發明（設計）人: 劉博;王哲人
• 申請（專利權）人: 杭州蘭亮網絡科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06N3/04;G06N3/08
• 代理公司: 杭州衡峰知識產權代理事務所(普通合伙) 33426
• 代理人: 陳修偉

1.一種基于深度學習的油位狀態檢測方法，其特征在于：包括，

S1：獲取水泥產線上不同設備的油位原始圖像；

S2：通過標注工具標注出原始圖像中油視鏡，標注框為油視鏡的最小外接矩形；

S3：將標注完成后的圖像數據進行水平翻轉、模糊、添加不同噪聲、單應變換和灰度化數據增強，與原始圖像混合一起制作成油視鏡檢測訓練數據；

S4：采用YOLO-V3目標檢測網絡訓練油視鏡的檢測模型，獲得油視鏡的檢測結果；

S5：截取并保存步驟S3中標注好的油視鏡圖像，以圖片左上角為原點，標注出油位頁面的坐標值，對保存的圖像進行水平翻轉、模糊、添加不同噪聲和灰度化等數據增強，與原始圖像混合一起制作成油位狀態檢測訓練數據；

S6：基于步驟S5制作好的數據，修改SegNet網絡最后一層網絡結構，訓練分割網絡模型，投影分割結果，得到油位位置；

S7：結合步驟S4和步驟S6得到的結果，計算出油視鏡位置和大小以及油位在油視鏡中的高度百分比。

2.根據權利要求1所述的一種基于深度學習的油位狀態檢測方法，其特征在于：所述S1中的原始圖像，通過LabelImg對采集的數據進行標注，構建訓練數據集。

3.根據權利要求1所述的一種基于深度學習的油位狀態檢測方法，其特征在于：所述S4中，將油視鏡檢測訓練數據集中標注文件轉換成YOLO-V3格式文件，并訓練YOLO-V3檢測模型。

4.根據權利要求1所述的一種基于深度學習的油位狀態檢測方法，其特征在于：所述S5中標注完成的原始圖像數據，截取出油視鏡區域保存為新的圖片，使用自制標注工具，標注出油位液面相對于油視鏡頂部的坐標高度，構建油位狀態檢測數據集。

5.根據權利要求4所述的一種基于深度學習的油位狀態檢測方法，其特征在于：所述標注出油位液面的坐標高度為油視鏡圖像的上邊界的值，然后以此標注點y0為中心點，在圖像上生成對應的高斯分布區域為圖像的標簽，生成油位液面標簽的公式為：

6.根據權利要求4所述的一種基于深度學習的油位狀態檢測方法，其特征在于：所述油位狀態檢測數據集，基于SegNet網絡訓練油位狀態檢測模型。

7.根據權利要求1所述的一種基于深度學習的油位狀態檢測方法，其特征在于：基于S4的輸出結果結合S2標注框的位置和大小，輸出最終油液在油視鏡中的高度。

8.根據權利要求2所述的一種基于深度學習的油位狀態檢測方法，其特征在于：所述構建訓練數據集的具體過程為：位于水泥生產設備外，安裝攝像頭，采集多張數據圖片，使用LabelImg對采集好的圖像進行標注，標注圖圖像中油視鏡的位置和大小，標注框為油視鏡的外接矩形。

9.根據權利要求8所述的一種基于深度學習的油位狀態檢測方法，其特征在于：采集多張數據圖片為不同時間段、不同光照條件下和不同設備的條件下。

10.一種電子設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述程序時實現如權利要求1至9任意一項所述的方法。