【技术实现步骤摘要】
一种烟雾识别方法及识别装置
本专利技术涉及信息处理
,具体涉及一种输电线路通道可视化图像中烟雾识别方法及识别装置。
技术介绍
当架空输电线路通道附近发生火灾时,极易导致输电线路绝缘间隙剧烈下降而诱发输电线路跳闸,进而引发大范围长时间停电事故。因此对输电线路通道进行火灾监测,并提高火灾监测的准确性,是确保电网可靠运行的有效保证。现有的单张图像烟雾监测方法受限于烟雾形态的不确定,烟雾的形态中颜色、形状、面积和方向并不稳定,导致特征提取困难,且容易受到大气云雾干扰,尤其是梅雨季节或者西藏等地区,导致烟雾检测的漏报率和误报率均较高。并且,在野外环境下,例如在检测田地里秸秆焚烧时,由于干扰因素较多,单纯使用图像处理的方法并不能达到预期的准确率。
技术实现思路
本专利技术为了克服以上技术的不足,提供了一种降低烟雾识别装置在烟雾检测时漏报率及误报率的烟雾识别方法及识别装置。本专利技术克服其技术问题所采用的技术方案是:一种烟雾识别方法,包括如下步骤:a)通过目标检测算法对输电线路通道可视化烟雾图像样本中的烟雾浓度中心点的损失函数,以及分类损失函数与回归损失函数进行计算,其中,所述烟雾浓度中心点为所述烟雾图像样本中预先标注出的烟雾浓度的最高点;b)通过烟雾图像样本,对目标检测算法进行训练,得到训练后的烟雾图像检测模型;c)根据训练后的烟雾图像检测模型,确定待测图像中烟雾区域的位置;d)对待测图像中烟雾区域进行图像分割,并将分割后的图像的二值图像作为掩膜M ...
【技术保护点】
1.一种烟雾识别方法,其特征在于,包括如下步骤:/na)通过目标检测算法对输电线路通道可视化烟雾图像样本中的烟雾浓度中心点的损失函数,以及分类损失函数与回归损失函数进行计算,其中,所述烟雾浓度中心点为所述烟雾图像样本中预先标注出的烟雾浓度的最高点;/nb)通过烟雾图像样本,对目标检测算法进行训练,得到训练后的烟雾图像检测模型;/nc)根据训练后的烟雾图像检测模型,确定待测图像中烟雾区域的位置;/nd)对待测图像中烟雾区域进行图像分割,并将分割后的图像的二值图像作为掩膜Mask图像,计算出烟雾飘散的方向;/ne)将待测图像中的烟雾区域从RGB颜色空间转到HSV颜色空间,计算所述分割后的图像在亮度V空间的像素值在所述掩膜Mask图像中,水平和垂直分别投影的累加值;/nf)通过烟雾飘散的方向与所述累加值确定烟雾浓度。/n
【技术特征摘要】
1.一种烟雾识别方法,其特征在于,包括如下步骤:
a)通过目标检测算法对输电线路通道可视化烟雾图像样本中的烟雾浓度中心点的损失函数,以及分类损失函数与回归损失函数进行计算,其中,所述烟雾浓度中心点为所述烟雾图像样本中预先标注出的烟雾浓度的最高点;
b)通过烟雾图像样本,对目标检测算法进行训练,得到训练后的烟雾图像检测模型;
c)根据训练后的烟雾图像检测模型,确定待测图像中烟雾区域的位置;
d)对待测图像中烟雾区域进行图像分割,并将分割后的图像的二值图像作为掩膜Mask图像,计算出烟雾飘散的方向;
e)将待测图像中的烟雾区域从RGB颜色空间转到HSV颜色空间,计算所述分割后的图像在亮度V空间的像素值在所述掩膜Mask图像中,水平和垂直分别投影的累加值;
f)通过烟雾飘散的方向与所述累加值确定烟雾浓度。
2.根据权利要求1所述的烟雾识别方法,其特征在于,步骤f)后还包括如下步骤:在检测到待测烟雾图像中待测区域自下而上的浓度值依次变小的情况下,则确定所述待测区域为烟雾区域。
3.根据权利要求1所述的烟雾识别方法,其特征在于:步骤b)中通过函数:
计算分类损失函数与回归损失函数,以及确定烟雾浓度中心点的损失函数,式中分类损失Lcls采用FocalLoss损失函数,中心点损失Lcenter-ness采用BCE损失函数,回归损失Lreg采用加权GIoU损失函数,在图像样本为正样本时取构建数据集时设置的烟雾标签值,在图像样本为负样本时取0,所述烟雾标签值是通过对烟雾浓度的确定而设定的数值,Npos为标注正样本的个数,λ1与λ2均为权重值,px,y为目标分类得分,为神经网络输出分类得分,tx,y为目标回归得分,为神经网络输出回归得分,centernessx,y为目标中心点得分,为神经网络输出中心点得分。
4.根据权利要求1所述的烟雾识别方法,其特征在于,步骤e)中包括如下步骤:
e-1)通过公式Sumi=pixel+sumi,ifmask=0,计算像素值在所述掩膜Mask图像中,水平和垂直分别投影的累加值Sumi,式中i为横轴或纵轴,pixel为像素,mask为掩膜二进制图像,当mask=0时pixel=1,当mask≠0时pixel=0;
e-2)根据nongdu(x,y)=sumx×sumy计算烟雾浓度nongdu(x,y),式中x,y分别为像素点的横坐标与纵坐标,y=x×tanθ,θ为分割后的图像的角度方向。
5.根据权利要求3所述的烟雾识别方法,其特征在于,所述回归损失Lreg采用加权GIoU损失函数,通过如下公式计算得到回归损失:
式中wj表示加权权重;Awc是加权并集面积,disti为中心点到第i个边缘点的距离,distj为中心点到第j个边缘点的距离,cornernet_point是网络输出的中心点,center_point是实际烟雾浓度最高的中心点;x1,y1分别表示对烟雾区域标注的矩形框的左上角点的横坐标与纵坐标,x2,y2分别表示标注的矩形框右下角点的横坐标与纵坐标;x1′,y1′分别表示预测出的烟雾区域的矩形框的左上角点的横坐标与纵坐标,x2′,y2′分别表示预测出的烟雾区域的矩形框的右下角点的横坐标与纵坐标,为矩...
【专利技术属性】
技术研发人员:李程启,郑文杰,辜超,姚金霞,张围围,韩建强,张振军,李娜,王安东,杨祎,林颖,白德盟,秦佳峰,刘辉,孙晓斌,杨波,
申请(专利权)人:国网山东省电力公司电力科学研究院,国网山东省电力公司,国家电网有限公司,
类型:发明
国别省市:山东;37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。