[發明專利]基于級聯卷積神經網絡的河道漂浮物檢測方法

在審

• 申請號: 202110658902.4
• 申請日: 2021-06-15
• 公開（公告）號: CN113344885A
• 公開（公告）日: 2021-09-03
• 發明（設計）人: 黃自瑋;張笑欽;劉麗穎;范晨翔
• 申請（專利權）人: 溫州大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/13;G06T7/136;G06T7/187;G06T5/00;G06N3/04;G06N3/08
• 代理公司: 北京陽光天下知識產權代理事務所(普通合伙) 11671
• 代理人: 李滿紅

1.一種基于級聯卷積神經網絡的河道漂浮物檢測方法，其特征在于，包括：

獲取河道數據信息；

對河道數據信息進行預處理；

使用預處理后的數據信息制作數據集；

將所述數據集輸入至級聯卷積神經網絡模型中進行訓練；

通過訓練好的級聯卷積神經網絡模型實時對河道進行實時監測。

2.根據權利要求1所述的基于級聯卷積神經網絡的河道漂浮物檢測方法，其特征在于，所述獲取河道數據信息包括以下步驟：通過基于多線程爬蟲方式對河道圖像數據進行收集，并將通過基于多線程爬蟲方式爬取的圖像保存在存儲單元中；通過安裝于無人機上的攝像機對河道進行正射來采集河道視頻圖像，并將通過安裝于無人機上的攝像機獲取的視頻圖像保存在存儲單元中，所述存儲單元用于對獲取的河道數據信息和對河道進行實時監測所獲取的數據信息進行存儲。

3.根據權利要求1所述的基于級聯卷積神經網絡的河道漂浮物檢測方法，其特征在于，所述對河道數據信息進行預處理包括對通過基于多線程爬蟲方式爬取的圖像進行預處理，所述對通過基于多線程爬蟲方式爬取的圖像進行預處理包括以下步驟：通過降采樣濾波器對爬取的圖像進行降采樣處理；通過圖像中值濾波方法對經過降采樣處理的圖像進行平滑處理；對經過平滑處理的圖像進行邊緣增強，檢測經過平滑處理的圖像中的多個像素，從多個像素中找出多個邊緣像素，并且對多個邊緣像素進行亮度性能增強；將經過邊緣增強的圖像存儲在河道區域圖像數據庫中。

4.根據權利要求3所述的基于級聯卷積神經網絡的河道漂浮物檢測方法，其特征在于，所述對河道數據信息進行預處理還包括對通過安裝于無人機上的攝像機獲取的視頻圖像進行預處理，所述對通過安裝于無人機上的攝像機獲取的視頻圖像進行預處理包括以下步驟：對視頻圖像進行濾波處理；通過自適應閾值化操作對經過濾波處理的視頻圖像進行二值化處理；對經過二值化處理的視頻圖像進行形態學處理來去除視頻圖像中的干擾塊；通過河道區域提取算法提取河道區域圖像，當河道中心線與視頻幀中圖像中心線相偏離且超過中心線偏離預設值時，取視頻幀中圖像寬度的一定倍數，通過當前視頻幀的上一視頻幀的圖像中心線對當前視頻幀進行糾正來提取河道區域圖像；將提取的河道區域圖像進行保存至河道區域圖像數據庫中。

5.根據權利要求3所述的基于級聯卷積神經網絡的河道漂浮物檢測方法，其特征在于，所述對河道數據信息進行預處理包括還包括去除河道區域圖像數據庫中河道區域被遮擋以及錯誤識別的河道區域圖像，所述去除河道區域圖像數據庫中河道區域被遮擋以及錯誤識別的河道區域圖像包括以下步驟：通過Sobel邊緣檢測算法識別河道區域圖像的各區域邊界；使用自適應閾值圖像分割算法提取河道區域圖像的各區域特征信息；通過卷積神經網絡算法根據河道區域圖像的各區域特征信息識別河道；計算河道在河道區域圖像中所占比例；將河道在河道區域圖像中所占比例小于預設值的河道區域圖像進行刪除。

6.根據權利要求1所述的基于級聯卷積神經網絡的河道漂浮物檢測方法，其特征在于，所述使用預處理后的數據信息制作數據集包括以下步驟：使用labelImage對經過預處理后的河道區域圖像進行漂浮物標注，并將標注完成的河道區域圖像保存至標注數據集中；將標注數據集中的圖像按預設比例劃分為訓練集與驗證集；通過軟數據增強技術對訓練集進行數據增強，對每批次待訓練的訓練集中的數據進行隨機翻轉處理、隨機顏色抖動處理和隨機裁剪處理，使每次待訓練的訓練集中的數據不相同來進行數據軟擴增。