气泡尺寸监测方法及装置制造方法及图纸

本发明专利技术提供了一种气泡尺寸监测方法及装置，该方法包括：获取待巡检设备的监控视频；根据预先训练的SCR‑DET模型对监控视频的图像帧进行目标对象检测，得到图像帧的气泡检测结果；SCR‑DET模型包括依次连接的特征提取网络、特征融合网络以及多维注意力网络；根据气泡检测结果进行气泡尺寸监测。本发明专利技术基于包括依次连接的特征提取网络、特征融合网络以及多维注意力网络SCR‑DET模型实现气泡检测，与现有应用于气泡检测的目标检测算法相比，能够更精确地确定气泡大小及位置，实现气泡自动监测和识别，降低监测工作量及成本，提高气泡监测精度。

【技术实现步骤摘要】
气泡尺寸监测方法及装置
本专利技术涉及智能监测
，具体而言，涉及一种气泡尺寸监测方法及装置。
技术介绍
随着社会的发展与进步，各行各业对安全工作的要求和期望也达到了前所未有的高度。在铂金矿的选矿过程中，需要对其分选情况进行实时监测，具体为对识别气泡的尺寸，以及对紧急情况进行预警。目前常用方法是由工作人员观察监控视频并逐帧判断，或是由工作人员在生产作业现场直接判断，在出现气泡异常时紧急采取有效的应急措施。然而，现有气泡尺寸的人工监测方法的工作量及成本过高，且监测精确度不足。
技术实现思路
本专利技术解决的是现有气泡尺寸人工监测方法的工作量及成本过高、监测的精度不足的问题。为解决上述问题，本专利技术提供一种气泡尺寸监测方法，所述方法包括：获取待巡检设备的监控视频；根据预先训练的SCR-DET模型对所述监控视频的图像帧进行目标对象检测，得到所述图像帧的气泡检测结果；所述SCR-DET模型包括依次连接的特征提取网络、特征融合网络以及多维注意力网络；根据所述气泡检测结果进行气泡尺寸监测。可选地，所述根据预先训练的SCR-DET模型对所述监控视频的图像帧进行目标对象检测，得到所述图像帧的气泡检测结果，包括：所述特征提取网络提取所述监控视频的图像帧的第一特征图；所述特征融合网络对所述第一特征图进行特征融合及精细采样，得到第二特征图；所述多维注意力网络的通道注意力网络及像素注意力网络分别对所述第二特征图提取得到第三特征图，以及将所述第三特征图与所述第二特征图相乘得到新特征图；根据所述新特征图预测得到所述图像帧中气泡的位置信息及尺寸信息。可选地，所述特征融合网络对所述第一特征图进行特征融合及精细采样，得到第二特征图，包括：所述特征融合网络将所述特征提取网络提取的高层特征图进行上采样，得到预设步长的第四特征图；所述特征融合网络将所述特征提取网络提取的低层特征图进行上采样，得到所述预设步长的第五特征图，以及将所述第五特征图进行深度解析得到第六特征图；所述特征融合网络将所述第四特征图及所述第六特征图逐个元素相加获得第二特征图。可选地，所述方法还包括：采用多种步长对样本集进行上采样及目标识别，得到各所述步长对应的检测精度及网络训练耗时；根据各所述步长对应的检测精度及网络训练耗时确定所述预设步长。可选地，所述特征提取网络提取所述监控视频的图像帧的第一特征图，包括：所述特征提取网络提取所述监控视频的图像帧中预设区域对应的第一特征图，所述预设区域由预先设置的目标识别区域参数确定。可选地，所述根据所述气泡检测结果进行气泡尺寸监测，包括：根据所述气泡检测结果确定气泡对应检测框的长度及宽度；若所述长度和/或所述宽度大于气泡尺寸阈值，则进行气泡尺寸异常报警。可选地，所述方法还包括：根据所述气泡检测结果在所述图像帧中标记气泡对应检测框；将标记有所述检测框的所述图像帧输出至显示装置。本专利技术提供一种气泡尺寸监测装置，所述装置包括：获取模块，用于获取待巡检设备的监控视频；气泡检测模块，用于根据预先训练的SCR-DET模型对所述监控视频的图像帧进行目标对象检测，得到所述图像帧的气泡检测结果；所述SCR-DET模型包括依次连接的特征提取网络、特征融合网络以及多维注意力网络；尺寸监测模块，用于根据所述气泡检测结果进行气泡尺寸监测。可选地，所述气泡检测模块，具体用于：所述特征提取网络提取所述监控视频的图像帧的第一特征图；所述特征融合网络对所述第一特征图进行特征融合及精细采样，得到第二特征图；所述多维注意力网络的通道注意力网络及像素注意力网络分别对所述第二特征图提取得到第三特征图，以及将所述第三特征图与所述第二特征图相乘得到新特征图；根据所述新特征图预测得到所述图像帧中气泡的位置信息及尺寸信息。可选地，所述气泡检测模块，具体用于：所述特征融合网络将所述特征提取网络提取的高层特征图进行上采样，得到预设步长的第四特征图；所述特征融合网络将所述特征提取网络提取的低层特征图进行上采样，得到所述预设步长的第五特征图，以及将所述第五特征图进行深度解析得到第六特征图；所述特征融合网络将所述第四特征图及所述第六特征图逐个元素相加获得第二特征图。本专利技术提供的气泡尺寸监测方法及装置，基于包括依次连接的特征提取网络、特征融合网络以及多维注意力网络SCR-DET模型实现气泡检测，与现有应用于气泡检测的目标检测算法相比，能够更精确地确定气泡大小及位置，实现气泡自动监测和识别，降低监测工作量及成本，提高气泡监测精度。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。图1为本专利技术实施例中一种气泡尺寸监测方法的示意性流程图；图2为本专利技术实施例中SCR-DET模型的结构示意图；图3为本专利技术实施例中金矿设备气泡尺寸监测方法的示意性流程图；图4为本专利技术实施例中可视化的气泡尺寸正常输出结果；图5为本专利技术实施例中可视化的气泡尺寸异常输出结果；图6为本专利技术实施例中一种气泡尺寸监测装置的结构示意图。附图标记说明：601-获取模块；602-气泡检测模块；603-尺寸监测模块。具体实施方式为使本专利技术的上述目的、特征和优点能够更为明显易懂，下面结合附图对本专利技术的具体实施例做详细的说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。现有的气泡尺寸的人工监测方法工作量大，且成本过高；远程监控视频方法的及时性不足，且人员安排难以到位，检测信息不能得到及时传达。本专利技术实施例提供的气泡尺寸监测方法，替代人工执行气泡尺寸监测，以铂金矿的浮选设备为例，实现远程在线识别，在减少人工的同时，大大提升监测速度和精度，改变传统人工识别方法，实现了监测智能化。本专利技术实施例提供的气泡尺寸监测方法，基于SCR-DET(TowardsMoreRobustDetectionforSmall,ClutteredandRotatedObjects，小型/聚集/旋转目标的稳健检测)神经网络模型实现，利用摄像机实时采集的场景视频，将采集到的视频流同步传输到分析服务器，分析服务器对现场需要跟踪的气泡目标进行识别，以此判断是否需要预警。本专利技术实施例提供的上述方法与其它进行气泡尺寸目标检测的不同之处在于，使用了SCR-DET神经网络模型作为目标检测的检测模型。由于气泡对象的大小和特征不同于通常物体，具有单个图片中数量众多，背景嘈杂等特点，SCR-DET神经网络模型原本用于遥感检测，对于背景嘈杂和物体数目众多等情况具有很好的解决办法，本专利技术中将其进行改进并用于气泡尺寸监测场景中。图1是本专利技术的一个实施例中一种气泡尺寸监测方法的示意性流程图，该方法包括：S102，获取待巡检设备的监控视频。在本实施例中以待巡本文档来自技高网...

【技术保护点】
1.一种气泡尺寸监测方法，其特征在于，所述方法包括：/n获取待巡检设备的监控视频；/n根据预先训练的SCR-DET模型对所述监控视频的图像帧进行目标对象检测，得到所述图像帧的气泡检测结果；所述SCR-DET模型包括依次连接的特征提取网络、特征融合网络以及多维注意力网络；/n根据所述气泡检测结果进行气泡尺寸监测。/n

【技术特征摘要】
1.一种气泡尺寸监测方法，其特征在于，所述方法包括：
获取待巡检设备的监控视频；
根据预先训练的SCR-DET模型对所述监控视频的图像帧进行目标对象检测，得到所述图像帧的气泡检测结果；所述SCR-DET模型包括依次连接的特征提取网络、特征融合网络以及多维注意力网络；
根据所述气泡检测结果进行气泡尺寸监测。


2.根据权利要求1所述方法，其特征在于，所述根据预先训练的SCR-DET模型对所述监控视频的图像帧进行目标对象检测，得到所述图像帧的气泡检测结果，包括：
所述特征提取网络提取所述监控视频的图像帧的第一特征图；
所述特征融合网络对所述第一特征图进行特征融合及精细采样，得到第二特征图；
所述多维注意力网络的通道注意力网络及像素注意力网络分别对所述第二特征图提取得到第三特征图，以及将所述第三特征图与所述第二特征图相乘得到新特征图；
根据所述新特征图预测得到所述图像帧中气泡的位置信息及尺寸信息。


3.根据权利要求2所述方法，其特征在于，所述特征融合网络对所述第一特征图进行特征融合及精细采样，得到第二特征图，包括：
所述特征融合网络将所述特征提取网络提取的高层特征图进行上采样，得到预设步长的第四特征图；
所述特征融合网络将所述特征提取网络提取的低层特征图进行上采样，得到所述预设步长的第五特征图，以及将所述第五特征图进行深度解析得到第六特征图；
所述特征融合网络将所述第四特征图及所述第六特征图逐个元素相加获得第二特征图。


4.根据权利要求3所述方法，其特征在于，所述方法还包括：
采用多种步长对样本集进行上采样及目标识别，得到各所述步长对应的检测精度及网络训练耗时；
根据各所述步长对应的检测精度及网络训练耗时确定所述预设步长。


5.根据权利要求2-4任一项所述方法，其特征在于，所述特征提取网络提取所述监控视频的图像帧的第一特征图，包括：
所述特征提取网络提取所述监控视频的图像帧中预设区域对应的第一特征图...

【专利技术属性】
技术研发人员：朱晓宁，谭海燕，李园园，
申请(专利权)人：精英数智科技股份有限公司，
类型：发明
国别省市：山西;14