一种低对比度工况下工地物料的快速识别和分类方法技术

本发明专利技术旨在提供一种低对比度工况下工地物料的快速识别和分类方法，包括以下步骤：A、构建深度神经网络结构，其中包括：低层次特征提取模块、加权融合模块、物料识别框构建模块；B、原始图像先输入到低层次特征提取模块中，依次经各个卷积层处理，结果输入到加权融合模块中；C、在加权融合模块中获得加权融合特征结果，经过进一步卷积调整输出尺寸，最终输入物料识别框构建模块中；D、在物料识别框构建模块中，得到不同尺度大小的网格候选目标框；E、将不同尺度大小的网格候选目标框分别作为yolo检测头，检测目标物料的种类及位置。本发明专利技术具有实时性强，准确率高的特点，mAP可达92.86%。mAP可达92.86%。

【技术实现步骤摘要】
一种低对比度工况下工地物料的快速识别和分类方法


[0001]本专利技术涉及工地物料图像处理领域，具体涉及一种低对比度工况下工地物料的快速识别 和分类方法。

技术介绍

[0002]工程机械主要应用于大型工程的施工现场，是现代化建设的拓荒者，但在现实作业中， 工况常伴有震动、高温、粉尘、挥发性气体、恶臭和辐射等恶劣环境，这些恶劣环境对机器 操作手的人身安全、健康存在严重威胁，长期处于这种工作环境下对工人的伤害极大。因此 发展智能化、无人化的工程机械设备具有重要的意义。因此，本项目针对当前恶劣工况的应 用需求，通过探究复杂场景下的物料智能识别技术来提升装载机自主判定物料类别及应对复 杂工况的自主决策能力，实现装载机智能化水平，让装载机可以对周围环境进行感知并自行 决策，在保障工人人身安全的情况下进行作业，最大限度地降低了风险的同时提高工作效率。
[0003]目前国家处在智能制造升级换代的关键时期，我国在大型工业方面仍然存在很多问题， 比如，劳动力越来越昂贵、作业环境未知，危险重重、驾驶舱环境不友好、现场施工坍塌事 故频繁发生、施工太受天气环境本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种低对比度工况下工地物料的快速识别和分类方法，其特征在于包括以下步骤：A、构建深度神经网络结构，深度神经网络结构具体如下：低层次特征提取模块、加权融合模块、物料识别框构建模块；所述的低层次特征提取模块包括逐层连接的多个卷积层；加权融合模块中设有8个依次相连的shortcut模块；所述的物料识别框构建模块包括小体积物料识别模块和大体积物料识别模块；B、原始图像先输入低层次特征提取模块，依次经各个卷积层处理，获得尺寸缩小后的初步特征提取结果，输入到加权融合模块中；C、在加权融合模块中，初步特征提取结果依次经过8个shortcut模块处理，在每个shortcut模块中，输入特征经过两个更大通道数的卷积层放大处理，再经过第三个卷积层缩小处理至其尺寸和通道数与输入特征相同，然后与输入特征加权融合后，获得加权融合特征结果并输出；最后的shortcut模块输出的加权融合特征结果经过进一步卷积调整输出尺寸，得到尺寸调整卷积结果输入物料识别框构建模块中；D、在物料识别框构建模块中，尺寸调整卷积结果分别输入小体积物料识别模块和大体积物料识别模块中；在大体积物料识别模块中，尺寸调整卷积结果经过两个通道数依次增加的卷积层处理，获得中间处理结果，中间处理结果分为两路，一路输入小体积物料识别模块中，另一路经过两个通道数依次递减的13*13卷积层处理后，得到大体积物料识别框；在小体积物料识别模块中，中间处理结果经一个卷积层处理至其尺寸和通道数与尺寸调整卷积结果相同，然后与尺寸调整卷积结果拼接融合后，经过三个通道数依次递减的26*26卷积层处理后，得到小体积物料识别框；E、将小体积物料识别框和大体积物料识别框分别作为yolo检测头，检测目标物料的种类及位置。2.如权利要求1所述的低对比度工况下工地物料的快速识别和分类方法，其特征在于：所述的低层次特征提取模块中，包括5个卷积层，依次分别为：208*208*32卷积层、208*208*32卷积层、208*208*16卷积层、208*208*96卷积层、104*104*96卷积层。3.如权利要求2所述的低对比度工况下工地物料的快速识别和分类方法，其特征在于：所述的加权融合模块中的8个shortcut模块中包含的三个卷积层分别为：第一个shortcut模块：104*104*144卷积层，104*104*144卷积层，104*104*24卷积层；第二个s...

【专利技术属性】
技术研发人员：樊香所，姚家乐，蔡登胜，陈华金，李冰，陈琳，
申请(专利权)人：广西科技大学，
类型：发明
国别省市：