[發(fā)明專(zhuān)利]一種基于改進(jìn)NanoDet深度網(wǎng)絡(luò)的發(fā)動(dòng)機(jī)濃煙淡煙自動(dòng)檢測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202111428973.1
• 申請(qǐng)日: 2021-11-29
• 公開(kāi)（公告）號(hào): CN114092458A
• 公開(kāi)（公告）日: 2022-02-25
• 發(fā)明（設(shè)計(jì)）人: 王靜靜;張聰;張新曼;羅智元;陳冕;程昭暉;趙紅超;賈士凡;王書(shū)琴;毛乙舒;陸罩
• 申請(qǐng)（專(zhuān)利權(quán)）人: 西安交通大學(xué);中國(guó)航發(fā)四川燃?xì)鉁u輪研究院
• 主分類(lèi)號(hào): G06T7/00
• 分類(lèi)號(hào): G06T7/00;G06N3/04;G06N3/08
• 代理公司: 西安智大知識(shí)產(chǎn)權(quán)代理事務(wù)所 61215
• 代理人: 段俊濤

一種基于改進(jìn)NanoDet深度網(wǎng)絡(luò)的發(fā)動(dòng)機(jī)濃煙淡煙自動(dòng)檢測(cè)方法，采集發(fā)動(dòng)機(jī)煙霧圖片構(gòu)成數(shù)據(jù)集；利用改進(jìn)NanoDet深度網(wǎng)絡(luò)，在保證相同感受野的條件下，僅使用C5特征層，減少網(wǎng)絡(luò)參數(shù)；對(duì)特征層的每個(gè)像素進(jìn)行邊框預(yù)測(cè)；并使用適應(yīng)性訓(xùn)練樣本選擇算法篩選正負(fù)樣本，檢測(cè)頭由分類(lèi)分支和邊框回歸分支以及隱含無(wú)監(jiān)督目標(biāo)性預(yù)測(cè)子分支構(gòu)成，提高檢測(cè)精度。由網(wǎng)絡(luò)輸出結(jié)果判斷發(fā)動(dòng)機(jī)是否產(chǎn)生煙霧和煙霧的類(lèi)別。若檢測(cè)到煙霧則繼續(xù)根據(jù)煙霧區(qū)域和背景區(qū)域的色度差來(lái)判斷檢測(cè)到煙霧的種類(lèi)，如果產(chǎn)生淡煙，則立即進(jìn)行報(bào)警，防微杜漸，如果檢測(cè)結(jié)果為濃煙則除報(bào)警外自動(dòng)啟動(dòng)應(yīng)急措施；如果未檢測(cè)到煙霧，繼續(xù)進(jìn)行檢測(cè)。該方法可實(shí)現(xiàn)對(duì)汽車(chē)和航空發(fā)動(dòng)機(jī)濃煙淡煙檢測(cè)。

技術(shù)領(lǐng)域

本發(fā)明屬于自動(dòng)控制技術(shù)領(lǐng)域，涉及發(fā)動(dòng)機(jī)煙霧的自動(dòng)檢測(cè)，特別涉及一種基于改進(jìn)NanoDet深度網(wǎng)絡(luò)的發(fā)動(dòng)機(jī)濃煙淡煙自動(dòng)檢測(cè)方法。

背景技術(shù)

為了滿足效率高、體積小等功能，發(fā)動(dòng)機(jī)的結(jié)構(gòu)日益復(fù)雜，又長(zhǎng)時(shí)間工作在高溫、高壓、高轉(zhuǎn)速等苛刻的工作條件下，故障發(fā)生的概率隨之變高。一方面，煙霧是著火爆炸等異常發(fā)生初期出現(xiàn)的一種重要的圖像特征之一，因此準(zhǔn)確而實(shí)時(shí)地對(duì)各種環(huán)境下的發(fā)動(dòng)機(jī)試驗(yàn)視頻進(jìn)行煙霧檢測(cè)，是減少經(jīng)濟(jì)損失，保障用戶安全的重要手段；另一方面，隨著深度學(xué)習(xí)技術(shù)的誕生與發(fā)展，視頻理解和智能分析得到了廣泛而深入地研究，這為煙霧檢測(cè)提供了有效的實(shí)現(xiàn)手段，有效解決在不同角度、不同光照、不同背景等復(fù)雜環(huán)境下的煙霧檢測(cè)問(wèn)題。

目前，煙霧檢測(cè)主要分為煙霧探測(cè)傳感器、傳統(tǒng)的人工特征提取和基于深度學(xué)習(xí)三個(gè)方向。傳感器具有價(jià)格低、易安裝的優(yōu)點(diǎn)，但是煙霧傳感器要求空間密閉，而且和空氣大面積接觸造成氧化，靈敏度不高；傳統(tǒng)算法隨煙霧圖像顏色、紋理、形狀特征會(huì)隨著光照條件等因素變化而表現(xiàn)得異常不穩(wěn)定。

發(fā)明內(nèi)容

為了克服上述現(xiàn)有技術(shù)的缺點(diǎn)，本發(fā)明的目的在于提供一種基于改進(jìn)NanoDet深度網(wǎng)絡(luò)的發(fā)動(dòng)機(jī)濃煙淡煙自動(dòng)檢測(cè)方法，基于改進(jìn)NanoDet深度網(wǎng)絡(luò)對(duì)視頻進(jìn)行智能分析，能夠有效檢測(cè)發(fā)動(dòng)機(jī)產(chǎn)生的煙霧并進(jìn)行報(bào)警，為發(fā)動(dòng)機(jī)的試驗(yàn)提供自動(dòng)煙霧檢測(cè)支持，實(shí)現(xiàn)對(duì)試驗(yàn)監(jiān)控視頻的煙霧檢測(cè)并進(jìn)行事件報(bào)警，解放人力資源，且適用范圍廣，檢測(cè)結(jié)果準(zhǔn)確可靠，有較高的魯棒性。

為了實(shí)現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案是：

一種基于改進(jìn)NanoDet深度網(wǎng)絡(luò)的發(fā)動(dòng)機(jī)濃煙淡煙自動(dòng)檢測(cè)方法，包括以下步驟：

步驟1)，采集發(fā)動(dòng)機(jī)煙霧圖片構(gòu)成數(shù)據(jù)集；

步驟2)，對(duì)數(shù)據(jù)集中的煙霧圖片進(jìn)行濃煙和淡煙標(biāo)注，并分為訓(xùn)練集和測(cè)試集，輸入改進(jìn)NanoDet深度網(wǎng)絡(luò)進(jìn)行訓(xùn)練，其中，訓(xùn)練集輸入至ShuffleNet v2主干網(wǎng)絡(luò)進(jìn)行卷積計(jì)算產(chǎn)生不同大小的特征層，分別用8:1、16:1、32:1的下采樣率，再將32:1下采樣率得到的C5特征層輸入擴(kuò)張編碼器，即投影層和四個(gè)擴(kuò)張殘差塊，接著在經(jīng)擴(kuò)張編碼器處理后的C5特征層對(duì)每個(gè)像素進(jìn)行目標(biāo)的多個(gè)邊框預(yù)測(cè)，同時(shí)，用適應(yīng)性訓(xùn)練樣本選擇算法(ATSS)篩選正負(fù)樣本，最后通過(guò)檢測(cè)頭計(jì)算位置回歸的損失和分類(lèi)損失；

步驟3)，以訓(xùn)練的改進(jìn)NanoDet深度網(wǎng)絡(luò)為煙霧檢測(cè)器，對(duì)發(fā)動(dòng)機(jī)濃煙淡煙進(jìn)行判別，方法如下：

采集視頻幀并輸入訓(xùn)練的改進(jìn)NanoDet深度網(wǎng)絡(luò)，經(jīng)過(guò)特征增強(qiáng)、特征轉(zhuǎn)換以及標(biāo)準(zhǔn)化處理，由輸出煙霧類(lèi)別的概率和煙霧邊框位置，判斷發(fā)動(dòng)機(jī)是否產(chǎn)生煙霧以及產(chǎn)生煙霧的范圍，并對(duì)檢測(cè)到的煙霧圖像進(jìn)行色度計(jì)算，計(jì)算煙霧區(qū)域色度平均值和周?chē)尘皡^(qū)域色度平均值，并計(jì)算二者之差，如果超過(guò)設(shè)定閾值則判斷產(chǎn)生的是濃煙，否則是淡煙，若檢測(cè)到有發(fā)動(dòng)機(jī)煙霧的概率超過(guò)預(yù)設(shè)閾值，則進(jìn)行報(bào)警并根據(jù)濃煙淡煙采取不同行動(dòng)；否則，繼續(xù)進(jìn)行監(jiān)控。

優(yōu)選地，所述步驟1)，將采集的發(fā)動(dòng)機(jī)煙霧圖片進(jìn)行數(shù)據(jù)增強(qiáng)，以擴(kuò)增數(shù)據(jù)集。

所述數(shù)據(jù)增強(qiáng)的方法可以為：

對(duì)原數(shù)據(jù)集進(jìn)行Mosaic數(shù)據(jù)增強(qiáng)，將四張圖片隨機(jī)拼接形成一張圖片；