一种基于语义分割的风飘异物识别方法和装置制造方法及图纸

本发明专利技术公开了一种基于语义分割的风飘异物识别方法和装置，通过对收集到的风飘异物图片数据集进行语义分割像素标注，得到标签图片；搭建针对风飘异物的语义分割神经网络，并将风飘异物图片数据集中的图片输入语义分割神经网络，结合标签图片对语义分割神经网络进行训练，语义分割神经网络基于deeplabv3+网络，包括含有空洞卷积的深度卷积网络和空洞金字塔池化；将采集到的图片输入训练好的语义分割神经网络，得到输出结果；以及通过Opencv对输出结果进行轮廓提取，根据提取出的轮廓的个数判断图片中是否存在风飘异物。因此可以准确地识别出某些特定物体上是否存在风飘异物，识别的准确率高，效果好。

【技术实现步骤摘要】
一种基于语义分割的风飘异物识别方法和装置
本专利技术涉及异物识别领域，具体涉及一种基于语义分割的风飘异物识别方法和装置。
技术介绍
变电站是电力系统中重要的一部分，主要负责将电压由高变低或由低变高。考虑到变压器等设备的通风、散热和安全问题，大多数变电站都建在四周空旷的室外，因此常常受到风飘异物(如塑料袋、气球、风筝等)的入侵。这些异物在高温高压的环境下对变电站设备造成了很大的安全运行隐患，容易引发停电事故或火灾。目前我国室外变电站的异物排查工作，大多仍通过人工定期巡检建档来完成，即变电站工作人员进入设备区，进行设备巡视。这种巡检方式易受作业人员的主观影响，需要工作人员有丰富的工作经验和较高的业务水平，也很难做到数据的实时输入管理信息系统。同时，变电站是个高危场所，在恶劣天气下，设备的巡检对工作人员来说存在较大的安全隐患。现有技术的分析：(1)在变电站放置固定摄像头对连续的输入帧进行高斯背景建模，即将固定场景设置为背景图像模型，通过提取前景移动物体来检测异物进入的情况。由于智能巡检机器人大多是移动式，若采用和对每个本文档来自技高网...

【技术保护点】
1.一种基于语义分割的风飘异物识别方法，其特征在于，包括以下步骤：/nS1：对收集到的风飘异物图片数据集进行语义分割像素标注，得到标签图片；/nS2：搭建针对风飘异物的语义分割神经网络，并将所述风飘异物图片数据集中的图片输入所述语义分割神经网络，结合所述标签图片对所述语义分割神经网络进行训练，所述语义分割神经网络基于deeplabv3+网络，包括含有空洞卷积的深度卷积网络和空洞金字塔池化；/nS3：将采集到的图片输入训练好的所述语义分割神经网络，得到输出结果；以及/nS4：通过Opencv对所述输出结果进行轮廓提取，根据提取出的所述轮廓的个数判断所述图片中是否存在风飘异物。/n

【技术特征摘要】
1.一种基于语义分割的风飘异物识别方法，其特征在于，包括以下步骤：
S1：对收集到的风飘异物图片数据集进行语义分割像素标注，得到标签图片；
S2：搭建针对风飘异物的语义分割神经网络，并将所述风飘异物图片数据集中的图片输入所述语义分割神经网络，结合所述标签图片对所述语义分割神经网络进行训练，所述语义分割神经网络基于deeplabv3+网络，包括含有空洞卷积的深度卷积网络和空洞金字塔池化；
S3：将采集到的图片输入训练好的所述语义分割神经网络，得到输出结果；以及
S4：通过Opencv对所述输出结果进行轮廓提取，根据提取出的所述轮廓的个数判断所述图片中是否存在风飘异物。


2.根据权利要求1所述的基于语义分割的风飘异物识别方法，其特征在于，在所述步骤S1之前还包括：对所述风飘异物图片数据集进行数据扩增。


3.根据权利要求1所述的基于语义分割的风飘异物识别方法，其特征在于，在所述步骤S1之后还包括：将所述标签图片从RGB模式转化为L灰度模式或调色板颜色模式。


4.根据权利要求1所述的基于语义分割的风飘异物识别方法，其特征在于，所述步骤S2具体包括：
S21：将所述图片输入所述含有空洞卷积的深度卷积网络中进行特征提取，得到高级语义特征图和低级语义特征图；
S22：将所述高级语义特征图输入所述空洞金字塔池化中分别与四个空洞卷积层和一个池化层进行卷积和池化得到五个特征图，所述五个特征图连接后再通过1×1的卷积运算得到第一输出图片，所述第一输出图片经过第一次上采样得到第二输出图片；
S23：获取与所述第二输出图片具有相同分辨率的所述低级语义特征图，将所述低级语义特征图经过1×1的卷积运算，得到具有与所述第二输出图片相同的通道比重的第三输出图片；
S24：将所述第三输出图片与所述第二输出图片进行合并，再通过3×3的细化卷积进行细化，最后通过第二次上采样得到预测结果；以及...

【专利技术属性】
技术研发人员：李思蓝，陈旭，李密，颜茂春，陈佳期，陈嘉华，唐铭一，
申请(专利权)人：福建省海峡智汇科技有限公司，
类型：发明
国别省市：福建;35