[發明專利]一種基于SSD算法的管道周邊機械設備識別方法

在審

• 申請號: 202210522875.2
• 申請日: 2022-05-13
• 公開（公告）號: CN114863281A
• 公開（公告）日: 2022-08-05
• 發明（設計）人: 李洪烈;李智文;嚴密;顧清林;馮偉;程艷;鄭大海;毛建;李德明;劉會斌;沈飛軍;舒亮
• 申請（專利權）人: 國家石油天然氣管網集團有限公司
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06V10/32;G06V10/44;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 蘇州科權知識產權代理事務所(普通合伙) 32561
• 代理人: 楊文龍

本發明公開了一種基于SSD算法的管道周邊機械設備識別方法，其涉及管道周邊機械識別技術領域，旨在解決目標檢測網絡SSD并沒有實際運用到工程機械檢測的問題，其技術方案要點是其步驟如下：將工地上獲得的原始工程機械的圖片進行清洗分類；通過網絡獲取不含有工程機械的背景圖片，并生成對應的.xml文件，加入數據集；使用多張數據集內部圖片拼湊成單張包含工程機械的圖片，并生成對應的.xml文件加入數據集；搭建目標檢測的骨干網絡；搭建基于SSD算法的神經網絡模型；使用反向傳播算法對神經網絡進行訓練；使用保存的最優模型對測試集進行測試。達到了使目標的規模更具魯棒性、使得網絡可達到實時檢測性能和快速判定待識別圖像中工程機械類別的效果。

技術領域

本發明涉及管道周邊機械識別技術領域，尤其是涉及一種基于SSD算法的管道周邊機械設備識別方法。

背景技術

西氣東輸管道工程是國家實施西部大開發戰略的標志性工程之一,該工程橫貫我國東西9個省市,途徑我國幾大主要水系、荒漠戈壁、黃土高原、太行山、江南水網,沿線人文和自然環境差異較大，全線穿越等級以上公路、鐵路和大中型河流704次，工程戰線廣闊,施工周期長,技術性較強,工藝復雜，西氣東輸管道沿線需密切監控工程機械設備的工作及運行情況。

西氣東輸管道沿線中最需要監控的工程機械有：挖掘機械、鏟運機械、壓實機械、鑿巖機械和樁工機械五大類設備，近年來，深度學習尤其是卷積神經網絡(ConvolutionalNeural Network，CNN)在計算機視覺領域取得了巨大進展，隨之產生了基于卷積神經網絡的目標檢測方法，例如：何兩階段目標檢測網絡Faster R-CNN，為了提高目標檢測網絡的檢測速度而提出的YOLO系列網絡以及綜合了速度和檢測精度的目標檢測網絡SSD。

上述中的現有技術方案存在以下缺陷：工程機械在管道沿線施工過程中，時常發生因施工導致管道損壞的情況，會影響到施工人員安全，并導致天然氣分輸中斷甚至爆炸，降低了整體的安全性，目標檢測網絡SSD也只能基于公共的數據集進行了訓練和測試，并沒有實際運用到工程機械檢測。

發明內容

本發明的目的是提供一種快速準確識別視頻和圖像中的工程機械及其類別的基于SSD算法的管道周邊機械設備識別方法。

為實現上述目的，本發明提供了如下技術方案：

一種基于SSD算法的管道周邊機械設備識別方法，其步驟如下：

S1：將工地上獲得的原始工程機械的圖片進行清洗，并根據它對應的機械類別進行分類；

S2：對數據集中的圖片統一縮放到800*800規格，并對縮放后的圖片進行標注，獲得標注后的.xml標注文件；

S3：通過網絡獲取不含有工程機械的背景圖片，并生成對應的.xml文件，加入數據集；

S4：使用多張數據集內部圖片拼湊成單張包含工程機械的圖片，并生成對應的.xml文件加入數據集；

S5：將數據集劃分為訓練集測試集和驗證集，劃分比例為9:1:1，并對訓練集中的數據進行數據增強；

S6：搭建目標檢測的骨干網絡，采用的SSD骨干網絡為MobileNet，MoblieNet由普通的卷積層、批標準化層和深度可分離卷積組成，其中深度可分離卷積層采用將單個濾波器應用于每個輸入通道，然后逐點卷積應用1×1卷積以組合輸出深度卷積的方式減小了普通卷積層的參數，該網絡的每個卷積層后面都跟有批標準化層和Relu激活函數；

S7：搭建基于SSD算法的神經網絡模型。使用SSD算法的模型結構，對MobileNet提取的特征層從6個不同尺度進行深層次的特征提取,并從6個不同尺度信息中檢測目標的位置,這樣可以更好的預測目標的位置及分類,最后使用非極大值抑制算法對重復的結果進行過濾,得到最終的檢測結果；