[發明專利]煙霧和火焰檢測方法、裝置、設備及存儲介質

在審

• 申請號: 202211430723.6
• 申請日: 2022-11-14
• 公開（公告）號: CN115761332A
• 公開（公告）日: 2023-03-07
• 發明（設計）人: 王曉暉;梁婷;李彬;李昌毅;張杏嬋;韋佳旭;余聰聰
• 申請（專利權）人: 深圳小湃科技有限公司
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06N3/08;G06V10/774;G06V10/80;G06V10/82;G06N3/0464
• 代理公司: 深圳市世紀恒程知識產權代理事務所 44287
• 代理人: 李俊杰

1.一種煙霧和火焰檢測方法，其特征在于，所述煙霧和火焰檢測方法包括以下步驟：

對已標記目標物的已標記圖像數據進行預處理，使用預處理后的所述已標記圖像數據建立訓練數據集，其中，所述目標物包括煙霧和火焰；

通過所述訓練數據集對基于卷積神經網絡和多頭注意力機制構建的初始神經網絡模型進行訓練，得到目標神經網絡模型；

獲取待檢測環境的待檢圖像數據，將所述待檢圖像數據輸入所述目標神經網絡模型，得到由所述目標神經網絡模型輸出的檢測結果。

2.如權利要求1所述的煙霧和火焰檢測方法，其特征在于，所述初始神經網絡模型包括特征提取網絡和前饋預測網絡，其中，所述特征提取網絡包括多個特征提取塊，各個所述特征提取塊均包括卷積塊和注意力機制塊；

所述通過所述訓練數據集對基于卷積神經網絡和多頭注意力機制構建的初始神經網絡模型進行訓練，得到目標神經網絡模型的步驟，包括：

將所述訓練數據集輸入所述特征提取網絡，通過所述特征提取網絡中的多個所述特征提取塊依次進行特征提取，得到訓練特征，其中，多個所述特征提取塊中上一個特征提取塊的輸出結果為下一個特征提取塊的輸入數據；

融合多個所述訓練特征得到學習特征；

將所述學習特征輸入所述前饋預測網絡，得到訓練結果；

根據所述訓練結果，調整所述初始神經網絡模型中的網絡參數，得到所述目標神經網絡模型。

3.如權利要求2所述的煙霧和火焰檢測方法，其特征在于，所述通過各個所述特征提取塊中任一目標提取塊進行特征提取，得到所述訓練特征的步驟，包括：

通過所述目標提取塊的卷積塊進行特征提取，得到特征數據；

通過所述目標提取塊的注意力機制塊對所述卷積塊提取得到的所述特征數據進行局部特征強化，得到所述訓練特征。

4.如權利要求3所述的煙霧和火焰檢測方法，其特征在于，所述卷積塊包括第一卷積層和池化層。

5.如權利要求2所述的煙霧和火焰檢測方法，其特征在于，所述前饋預測網絡包括第二卷積層、隱藏層和線性預測層；其中，

所述第二卷積層用于通過3*3的卷積核對所述目標特征進行特征提取；

所述隱藏層包括三層全連接層，第一層所述全連接層和第二層所述全連接層后各連一層接激活函數。

6.如權利要求1至5中任一項所述的煙霧和火焰檢測方法，其特征在于，所述對已標記圖像數據進行預處理的步驟，包括：

通過幾何變換對所述已標記圖像數據進行數據增強；

對不同所述目標物的所述已標記圖像數據進行混合處理；

對不同圖像背景的所述已標記圖像數據進行混合處理。

7.如權利要求1至5中任一項所述的煙霧和火焰檢測方法，其特征在于，所述檢測結果包括目標物類別、目標物存在概率和目標物坐標。

8.一種煙霧和火焰檢測裝置，其特征在于，所述煙霧和火焰檢測裝置包括：

預處理模塊，用于對已標記目標物的已標記圖像數據進行預處理，使用預處理后的所述已標記圖像數據建立訓練數據集，其中，所述目標物包括煙霧和火焰；

訓練模塊，用于通過所述訓練數據集對基于卷積神經網絡和多頭注意力機制構建的初始神經網絡模型進行訓練，得到目標神經網絡模型；

檢測模塊，用于獲取待檢測環境的待檢圖像數據，將所述待檢圖像數據輸入所述目標神經網絡模型，得到由所述目標神經網絡模型輸出的檢測結果。

9.一種煙霧和火焰檢測設備，其特征在于，所述煙霧和火焰檢測設備包括：存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的煙霧和火焰檢測程序，所述煙霧和火焰檢測程序配置為實現如權利要求1至7中任一項所述的煙霧和火焰檢測方法的步驟。

10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質上存儲有煙霧和火焰檢測程序，所述煙霧和火焰檢測程序被處理器執行時實現如權利要求1至7中任一項所述的煙霧和火焰檢測方法的步驟。