[發(fā)明專利]一種基于視覺(jué)的水面油污檢測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202111494061.4
• 申請(qǐng)日: 2021-12-08
• 公開(kāi)（公告）號(hào): CN114170487A
• 公開(kāi)（公告）日: 2022-03-11
• 發(fā)明（設(shè)計(jì)）人: 王衛(wèi)威;賀明科;王辰
• 申請(qǐng)（專利權(quán)）人: 北京計(jì)算機(jī)技術(shù)及應(yīng)用研究所
• 主分類號(hào): G06V10/80
• 分類號(hào): G06V10/80;G06V10/774;G06V10/24;G06V10/25;G06V10/32;G06V10/82;G06V10/764;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.一種基于視覺(jué)的水面油污檢測(cè)方法，其特征在于，包括：

獲取樣本圖像并進(jìn)行標(biāo)注，所述樣本圖像包括原本圖像和基于所述原本圖像擴(kuò)充的數(shù)據(jù)；

對(duì)所述樣本圖像進(jìn)行預(yù)處理；

采用目標(biāo)檢測(cè)模型對(duì)處理后的樣本圖像進(jìn)行特征提取，所述目標(biāo)檢測(cè)模型使用Yolov3-darknet53作為主干特征提取網(wǎng)絡(luò)，并加入了SPP層；

根據(jù)提取的特征預(yù)測(cè)油污區(qū)域結(jié)果，保存預(yù)測(cè)模型；

根據(jù)測(cè)試精度、資源占用和推理速度對(duì)所述預(yù)測(cè)模型進(jìn)行優(yōu)化；

采用優(yōu)化后的預(yù)測(cè)模型進(jìn)行水面油污檢測(cè)。

2.如權(quán)利要求1所述的檢測(cè)方法，其特征在于，采用上下翻轉(zhuǎn)、鏡像、平移、旋轉(zhuǎn)的方式對(duì)原本圖像進(jìn)行擴(kuò)充。

3.如權(quán)利要求1所述的檢測(cè)方法，其特征在于，對(duì)所述樣本圖像進(jìn)行預(yù)處理，具體包括：

統(tǒng)一所述樣本圖像的尺寸并進(jìn)行歸一化處理；

隨機(jī)選取四張照片使用Mosaic增強(qiáng)，再對(duì)Mosaic增強(qiáng)的圖片進(jìn)行Mixup增強(qiáng)。

4.如權(quán)利要求1所述的檢測(cè)方法，其特征在于，所述目標(biāo)檢測(cè)模型在網(wǎng)絡(luò)中使用殘差的跳層連接，使用卷積代替池化進(jìn)行降采樣；所述SPP層將提取的特征傳入不同感受野的池化層，并將處理后的特征拼接成一個(gè)新的特征。

5.如權(quán)利要求1所述的檢測(cè)方法，其特征在于，所述根據(jù)提取的特征預(yù)測(cè)油污區(qū)域結(jié)果，具體包括：

針對(duì)檢測(cè)任務(wù)，采用解耦頭代替耦合頭，采用三個(gè)分支分別預(yù)測(cè)位置、目標(biāo)置信度與分類概率；

設(shè)定模型訓(xùn)練輪次閾值，模型訓(xùn)練完設(shè)定次數(shù)后，評(píng)估一次訓(xùn)練性能，根據(jù)模型評(píng)估指標(biāo)規(guī)則選取最優(yōu)模型。

6.如權(quán)利要求5所述的檢測(cè)方法，其特征在于，根據(jù)提取的特征預(yù)測(cè)油污區(qū)域結(jié)果，還包括：

將測(cè)試樣本輸入至所述預(yù)測(cè)模型，對(duì)輸出結(jié)果通過(guò)置信度閾值篩選，保留置信度與類別信息之積大于置信度閾值的結(jié)果；將該結(jié)果通過(guò)NMS閾值篩選去除重疊的候選區(qū)域，對(duì)每個(gè)預(yù)測(cè)框的類別置信度排序，獲取最大置信度以及對(duì)應(yīng)的標(biāo)簽作為最終油污區(qū)域檢測(cè)結(jié)果。

7.如權(quán)利要求1所述的檢測(cè)方法，其特征在于，根據(jù)測(cè)試精度、資源占用和推理速度對(duì)所述預(yù)測(cè)模型進(jìn)行優(yōu)化，具體包括：

根據(jù)測(cè)試精度、資源占用和推理速度，利用TensorRT、網(wǎng)絡(luò)裁剪與量化技術(shù)，對(duì)優(yōu)化后的預(yù)測(cè)模型進(jìn)行輕量化處理。

8.根據(jù)權(quán)利要求1所述的檢測(cè)方法，其特征在于，在特征提取過(guò)程中采用AnchorFree技術(shù)。

9.根據(jù)權(quán)利要求1所述的檢測(cè)方法，其特征在于，使用pascalvoc或coco兩種數(shù)據(jù)集標(biāo)注格式進(jìn)行標(biāo)注。

10.根據(jù)權(quán)利要求1所述的檢測(cè)方法，其特征在于，所述獲取樣本圖像并進(jìn)行標(biāo)注，具體包括：

首先利用labelimg對(duì)擴(kuò)充前的正樣本進(jìn)行人工標(biāo)注，然后利用python環(huán)境下的imgaug模塊對(duì)擴(kuò)充的圖像自動(dòng)進(jìn)行標(biāo)注。