一种基于SSD网络的水面漂浮物多相机实时检测方法技术

本发明专利技术涉及机器学习、图像识别领域，具体涉及一种基于SSD网络的水面漂浮物多相机实时检测方法，包括以下步骤：步骤1:通过视频录制、相机拍摄和网络收集来采集水面漂浮物数据；步骤2:采用数据降噪和数据增强算法进行水面漂浮物数据扩增；步骤三：采用Labelimg工具对水面漂浮物数据集标注；步骤四：采用迁移学习对SSD网络模型进行训练获取最优权重模型；步骤五：基于SSD网络最优权重模型的多相机水面漂浮物目标实时检测。本发明专利技术基于SSD网络对水面漂浮物进行多相机实时检测，能够有效降低光照、天气和动态背景对实时检测造成的干扰，同时弥补单一相机检测的缺陷，满足实时性和精度的要求。的要求。的要求。

【技术实现步骤摘要】
一种基于SSD网络的水面漂浮物多相机实时检测方法


[0001]本专利技术属于机器学习、图像识别领域，涉及一种基于SSD网络的水面漂浮物多相机实时检测方法。

技术介绍

[0002]随着经济和社会的快速发展，我国城镇化建设步伐日益加快，大量的人口聚集到城市生活，给城市周边的环境和生态造成了严重的影响，许多饮水水源、城市内河、周边湖泊、水库等水面上出现大量的污染物，水面上的漂浮垃圾一般无法被溶解及自然稀释、且具有分布不均性，水面漂浮物的存在不仅影响了水体观感和城市的生活环境质量，也造成了水体的污染及生态平衡的破坏，甚至威胁到了航运和饮用水的安全。如何快速有效识别水面漂浮物，为水面安全规避、污染物清洁、水面交通安全等领域提供早期预警及实时监控等信息，成为了智能识别、信息化以及传感器领域的重要课题之一。
[0003]针对水面漂浮物的检测问题，目前虽然部分水域场景安装了实时监控设备，但是由于检测设备大多分布密度低且固定，只能监控到一定区域内的水面污染物，存在投入成本高、周期长且检测效率低下等问题。同时，现有的水域视频监控依托的设备多是单一相机，而单本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于SSD网络的水面漂浮物多相机实时检测方法，其特征在于，包括以下步骤：第一步：采集数据运用多相机对河流水面进行全天候的录制获取视频资料，并将视频文件按照每帧为单位转换为图片，生成图片资料库A；利用相机实地对水面漂浮物图片进行拍摄采集，生成图片资料库B；通过百度搜集水面漂浮物图片，生成图片资料库C；最终得到用于训练SSD网络模型的数据集D，该数据集包含了图片资料库A、B和C；第二步：数据降噪增强利用数据降噪算法对数据集D进行降噪处理，提高水面漂浮物图像信息的精度；同时，利用数据增强算法对数据集D进行数据增强，对数据进行扩充生成数据集E，其中数据集E不包括数据集D，再将第一步得到的数据集D和生成的数据集E合并构成数据集F；通过扩增训练数据集的规模，能够有效避免由于水面漂浮物数据过少所造成的过拟合问题，提高水面漂浮物识别性能和泛化能力；第三步：图像目标标注，对漂浮物数据集标注为了保证标注工作的效率，针对漂浮物分布的特点确定区域标注的标注标准：
①
选择边界框的形式，对有明显漂浮物聚集的区域进行标注，边界框尽可能贴近聚集区范围；
②
选择大范围目标物进行标注，对多个分散小目标不进行单独标注；通过人工标注的形式，利用Labelimg工具对数据集F的水面漂浮物采用上述标注标准进行边界框标注，通过矩形区域表示漂浮物的坐标位置、范围和种类；具体包括：矩形框的中心点坐标、矩形框的长度和宽度、矩形框的类别；通过Labelimg工具对数据集F标注后形成数据集M；第四步：训练SSD网络获取最优权重模型，预训练模型采用迁移学习进行模型训练将水面漂浮物数据集M按照6:2:2的比例随机分成3个部分：训练集、验证集和测试集；其中训练集用于模型拟合的数据样本；验证集用于调整模型的超参数和...

【专利技术属性】
技术研发人员：彭勇，陈任飞，李昱，欧阳文宇，吴剑，岳廷秀，王浅宇，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：