[發(fā)明專利]土壤掩埋物X光圖像目標(biāo)檢測(cè)方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202211258368.9
• 申請(qǐng)日: 2022-10-14
• 公開（公告）號(hào): CN115565069A
• 公開（公告）日: 2023-01-03
• 發(fā)明（設(shè)計(jì)）人: 馮薇樺;于萬鈞;南孺浩
• 申請(qǐng)（專利權(quán)）人: 上海應(yīng)用技術(shù)大學(xué)
• 主分類號(hào): G06V20/10
• 分類號(hào): G06V20/10;G06V10/20;G06V10/774
• 代理公司: 上海漢聲知識(shí)產(chǎn)權(quán)代理有限公司 31236
• 代理人: 胡晶

本發(fā)明提供了一種土壤掩埋物X光圖像目標(biāo)檢測(cè)方法及系統(tǒng)，包括：獲取待檢土壤掩埋區(qū)模擬掩埋后X光圖像及其對(duì)應(yīng)的目標(biāo)掩埋物RGB圖像，建立數(shù)據(jù)樣本庫(kù)；對(duì)X光圖像和對(duì)應(yīng)RGB圖像進(jìn)行預(yù)處理，構(gòu)建出用于模型訓(xùn)練的訓(xùn)練集、驗(yàn)證集以及測(cè)試集；構(gòu)建YOLOv5模型，在YOLOv5模型中構(gòu)建出用于對(duì)X光圖像進(jìn)行后處理的加權(quán)框融合模塊，生成目標(biāo)YOLOv5模型；將訓(xùn)練集的圖像輸入到目標(biāo)YOLOv5模型中對(duì)模型進(jìn)行訓(xùn)練，并結(jié)合驗(yàn)證集對(duì)模型驗(yàn)證的結(jié)果生成具有最優(yōu)權(quán)重的模型；獲取待檢土壤掩埋區(qū)每個(gè)分區(qū)的X光圖像，將待檢土壤掩埋區(qū)每個(gè)分區(qū)的X光圖像數(shù)據(jù)輸入訓(xùn)練后的目標(biāo)YOLOv5模型進(jìn)行土壤掩埋物X光圖像的目標(biāo)檢測(cè)與識(shí)別。本發(fā)明提高了學(xué)習(xí)魯棒性和檢測(cè)結(jié)果的可辨別性。

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算機(jī)視覺領(lǐng)域，具體地，涉及一種土壤掩埋物X光圖像目標(biāo)檢測(cè)方法及系統(tǒng)。

背景技術(shù)

當(dāng)空難或泥石流、雪崩、地震等地質(zhì)災(zāi)害發(fā)生之后，大量的泥土和因外力粉碎的外殼、建筑殘片會(huì)覆蓋在災(zāi)難發(fā)生現(xiàn)場(chǎng)的地面上，甚至由于巨大的沖擊力會(huì)將重要資料、財(cái)產(chǎn)物品、記錄空難數(shù)據(jù)的黑匣子以及亟待搶救的傷員深埋于土壤之下數(shù)米之深，并且事發(fā)區(qū)域往往不局限于小塊，僅憑人力拉網(wǎng)式發(fā)掘和搜尋需要大量搜救人員且十分耗時(shí)，而發(fā)掘的黃金時(shí)間卻是寶貴而短暫的，因此在短時(shí)間內(nèi)對(duì)土壤目標(biāo)掩埋物體的識(shí)別及其掩埋區(qū)域定位的技術(shù)需求尤為迫切。

目前針對(duì)掩埋物體的圖像檢測(cè)大多使用由紅外線攝像機(jī)和普通攝像機(jī)拍攝的圖像進(jìn)行識(shí)別的技術(shù)。常規(guī)的攝像機(jī)所拍攝的RGB圖像并不具備穿透土壤和各種殘片的能力，無法突出目標(biāo)掩埋物所在區(qū)域和其他受災(zāi)區(qū)域的差異，也不能很好地表達(dá)出被掩埋物體的表象特征和語義信息；紅外線攝像機(jī)所拍攝的紅外圖像是依靠測(cè)量物體散發(fā)熱量產(chǎn)生的紅外輻射來進(jìn)行成像的，經(jīng)過了泥土的掩蓋和隔絕，掩埋物的熱量輻射損失巨大，能被土壤外紅外攝像機(jī)捕捉的熱量及其所成影像靈敏度降低，且邊界也會(huì)變得模糊，無法通過輪廓和其它特征來判斷其屬性類別。

對(duì)于常用的檢測(cè)方法，大多方法采用了傳統(tǒng)數(shù)字圖像處理方法，其中深度學(xué)習(xí)模型YOLOv5雖然有著較高的準(zhǔn)確率，但是對(duì)于掩埋物互相遮擋并可能出現(xiàn)的多個(gè)檢測(cè)框重合等問題并無良好的解決辦法，還需在傳統(tǒng)YOLOv5模型的基礎(chǔ)上添加新的模塊做進(jìn)一步改進(jìn)。

發(fā)明內(nèi)容

針對(duì)現(xiàn)有技術(shù)中的缺陷，本發(fā)明的目的是提供一種基于改進(jìn)YOLOv5模型的土壤掩埋物X光圖像目標(biāo)檢測(cè)方法，能夠解決攝影圖像無法穿透土層成像以及多重遮擋的掩埋物檢測(cè)框重疊等問題。

根據(jù)本發(fā)明提供的土壤掩埋物X光圖像目標(biāo)檢測(cè)方法，包括：

步驟S1：獲取待檢土壤掩埋區(qū)模擬掩埋后X光圖像及其對(duì)應(yīng)的目標(biāo)掩埋物RGB圖像，建立數(shù)據(jù)樣本庫(kù)，所述數(shù)據(jù)樣本庫(kù)中掩埋區(qū)的X光圖像與RGB圖像相對(duì)應(yīng)；

步驟S2：對(duì)所述X光圖像和對(duì)應(yīng)RGB圖像進(jìn)行預(yù)處理，并標(biāo)注出圖像中待檢測(cè)的目標(biāo)，進(jìn)而構(gòu)建出用于模型訓(xùn)練的訓(xùn)練集、驗(yàn)證集以及測(cè)試集；

步驟S3：構(gòu)建YOLOv5模型，在YOLOv5模型中構(gòu)建出用于對(duì)X光圖像進(jìn)行后處理的加權(quán)框融合模塊，生成目標(biāo)YOLOv5模型；

步驟S4：將訓(xùn)練集的圖像輸入到目標(biāo)YOLOv5模型中對(duì)模型進(jìn)行訓(xùn)練，并結(jié)合驗(yàn)證集對(duì)所述模型驗(yàn)證的結(jié)果生成具有最優(yōu)權(quán)重的模型；

步驟S5：獲取待檢土壤掩埋區(qū)每個(gè)分區(qū)的X光圖像，將待檢土壤掩埋區(qū)每個(gè)分區(qū)的X光圖像數(shù)據(jù)輸入訓(xùn)練后的所述目標(biāo)YOLOv5模型進(jìn)行土壤掩埋物X光圖像的目標(biāo)檢測(cè)與識(shí)別。

優(yōu)選地，所述步驟S1包括如下步驟：

步驟S101：對(duì)待檢土壤掩埋的一固定監(jiān)測(cè)點(diǎn)進(jìn)行時(shí)長(zhǎng)為10s的目標(biāo)掩埋物RGB圖像采集以及模擬掩埋后掩埋區(qū)的X光圖像采集；

步驟S102：將掩埋區(qū)的X光圖像與RGB圖像相對(duì)應(yīng)建立所述數(shù)據(jù)樣本庫(kù)。

優(yōu)選地，所述步驟S2包括如下步驟：