一种河道排水口溢流检测方法、装置及相关设备制造方法及图纸

本发明专利技术公开了河道排水口溢流检测方法、装置及相关设备，河道排水口溢流检测方法包括对摄像机采集的图像进行清洗和标注；将图像划分为训练集、验证集和测试集，并通过BiSeNet模型对图像进行训练，把训练好的BiSeNet模型部署到平台；将摄像机接入平台，使用训练好的BiSeNet模型对摄像机的抽帧图像进行图像语义分割处理；使用图像处理方法处理语义分割后的图像，计算出其中掩膜区域的面积和掩膜区域中的水体面积，计算水体在掩膜区域中的面积占比；判断连续多帧图像中水体在掩膜区域中的面积占比是否达到预设阈值。克服了传统检测的不足之处，通过图像分割和设定预选区域结合，并进一步计算预选区域中水体面积占比的方法，可以检测各种场景下排水口溢流情况。以检测各种场景下排水口溢流情况。以检测各种场景下排水口溢流情况。

【技术实现步骤摘要】
一种河道排水口溢流检测方法、装置及相关设备


[0001]本专利技术涉及机器学习领域，尤其涉及一种河道排水口溢流检测方法、装置及相关设备。

技术介绍

[0002]随着城市化建设的不断加快，城市中雨季排水的问题也越来越受到重视，河道作为城市的排水主体显得尤为重要，为了及时控制雨季的排水情况，我们需要实时监测河道的排水口，判断是否发生了溢流情况。
[0003]现有技术，通常是基于无人机航拍图像对河道排水口使用目标检测算法进行识别。但由于河道排水口存在数量多、形状不一、分布点位广泛的特点，使用目标检测算法存在局限性，只能识别明显的排水管及排水坝，对于地面涵洞以及被水淹末情况下的排水口无法进行识别。

技术实现思路

[0004]本专利技术的目的是提供一种河道排水口溢流检测方法、装置及相关设备，旨在解决现有技术中，对于地面涵洞以及被水淹末情况下的排水口无法进行识别的问题。
[0005]第一方面，本专利技术实施例提供了一种河道排水口溢流检测方法，其包括：对摄像机采集的图像进行清洗和标注；将所述图像划分为训练集、验证集和测试集，并本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种河道排水口溢流检测方法，其特征在于，包括：对摄像机采集的图像进行清洗和标注；将所述图像划分为训练集、验证集和测试集，并通过BiSeNet模型对所述图像进行训练，把训练好的所述BiSeNet模型部署到平台；将所述摄像机接入所述平台，使用训练好的所述BiSeNet模型对所述摄像机的抽帧图像进行图像语义分割处理；使用图像处理方法处理语义分割后的所述图像，计算出其中掩膜区域的面积和掩膜区域中的水体面积，计算所述水体在掩膜区域中的面积占比；判断连续多帧图像中所述水体在掩膜区域中的面积占比是否大于或等于预设阈值；若是，则排水口发生了溢流，并发送告警提示；若否，则排水口不溢流。2.根据权利要求1所述的河道排水口溢流检测方法，其特征在于，所述对摄像机采集的图像进行清洗和标注，包括：通过视频抽帧的方式采集不同河道的图像；对所述图像进行数据清洗，保留包含排水口的图像；对清洗后的所述图像中的水体进行图像语义分割的标注，记录所述图像中水体的多边形坐标以及标签，得到标注信息，并将所述标注信息存入数据交换格式文件中。3.根据权利要求1所述的河道排水口溢流检测方法，其特征在于，所述将所述图像划分为训练集、验证集和测试集，并通过BiSeNet模型对所述图像进行训练，把训练好的所述BiSeNet模型部署到平台，包括：将数据集根据标签划分成训练集、验证集和测试集；使用随机裁剪和归一化方法依次对所述训练集进行数据预处理；初始化所述BiSeNet模型的训练参数，并将预处理后的所述训练集输入BiSeNet模型进行训练；通过SGD随机梯度下降方法，将训练迭代到200
‑
400个epoch后停止训练，保存训练好的所述BiSeNet模型；将训练好的所述BiSeNet模型部署到平台。4.根据权利要求1所述的河道排水口溢流检测方法，其特征在于，所述将所述摄像机接入所述平台，使用训练好的所述BiSeNet模型对所述摄像机的抽帧图像进行图像语义分割处理，包括：将所述摄像机接入所述平台；在所述摄像机画面中的排水口位置设定预选框；对所述摄像机进行抽帧得到抽帧图像；将所述抽帧图像输入训练好的BiSeNet模型进行推理，并对所述抽帧图像中的每一个像素点进行分类，得到图像语义分割后的第一图像数据；其中，所述第一图像数据中的背景用0像素表示，水体用设定像素表示。5.根据权利要求4所述的河道排水口溢流检测方法，其特征在于，所述使用图像处理方法处理语义分割后的所述图像，计算出其中掩膜区域的面积和掩膜区域中的水体面积，计算所述水体在掩...

【专利技术属性】
技术研发人员：姚钊盈，苏红梅，
申请(专利权)人：深圳市万物云科技有限公司，
类型：发明
国别省市：