一种基于机器视觉的航标灯灯质智能检测方法技术

本发明专利技术公开了一种基于机器视觉的航标灯灯质智能检测方法，其特点是，首先是对航标灯视频的图像帧数据进行基于伽马校正和中值滤波方法的复杂环境模拟，然后对整体图像数据进行Yolov4深度学习算法下的目标检测以及基于迁移学习的再训练，得到少量数据下检测准确的网络模型，然后利用SiamFC深度学习方法训练得到孪生神经网络模型对目标区域进行实时性的跟踪，并在跟踪过程中定时进行自动校正与判断，进而提取相应的航标灯光信号进行颜色采集映射、记录其颜色变化的时间并计算得到其对应的周期、频率和光强特征；能够满足现场检测远距离航标灯设备并进行相应灯光灯质参数采集与结果分析的工作要求。与结果分析的工作要求。与结果分析的工作要求。

【技术实现步骤摘要】
一种基于机器视觉的航标灯灯质智能检测方法


[0001]本专利技术涉及数字图像处理和机器学习、深度学习
，具体地讲是一种基于机器视觉的航标灯灯质智能检测方法，可将视频图像的色彩空间与识别跟踪网络模型相结合，并在复杂环境下动态实时自主地对航标灯灯质进行便携的跟踪检测。

技术介绍

[0002]航标是帮助引导船舶航行、定位和标示碍航物与表示警告的非常重要的标志。目前航标检测主要依靠实验室检测，需工作人员定期去海里，将航标灯带回岸上实验室进行检测，从而判断航标灯是否存在问题。由于航标灯自身体积较大，拆卸过程繁琐，因此存在着检测环境要求高、检测流程复杂、无法实现户外便携式检测等问题。航标灯检测设备为户外海面使用，海面天气情况复杂多变，故对于航标灯的检测需要考虑下雨、大风、大雾和黑夜等多种自然环境的影响。同时，航标灯视频拍摄背景复杂，常常包含海面杂物，岸边建筑物，海面船只等物体，对于航标灯的检测有较大的干扰。因此仅针对清晰图片的目标物识别和跟踪，不足以使得算法获得较强的适应性。
[0003]目前，航标灯的识别方法常用的有基于Yolov3
...

【技术保护点】

【技术特征摘要】
1.一种基于机器视觉的航标灯灯质智能检测方法，其特征在于，包括以下步骤：a采集航标灯视频数据，并对视频数据进行视频提取，再对视频数据进行图像环境模拟和图像模糊化预处理；b构建目标检测识别网络，并放入步骤a的航标灯视频数据集进行目标检测识别网络训练；c构建目标跟踪网络，对步骤b识别准确的航标灯训练目标进行视频跟踪，并实时校正；d构建智能灯质的颜色检测网络与频率、周期检测网络，测量分析航标灯的颜色、频率、周期和光强检测；e将智能灯质网络分析结果进行整合，结合光强信息，进行数据输出，完成检测流程。2.根据权利要求1所述的一种基于机器视觉的航标灯灯质智能检测方法，其特征在于，a步骤所述的视频提取：查看航标灯在不同灯质现场拍摄的视频，选取其中具有代表性，背景环境差异明显的航标灯视频图像帧；所述的图像环境模拟：采用伽马校正对上述图像进行灰度值调整，以模拟对应雾天、黑夜非正常气候条件；所述的图像模糊化：采用中值滤波对图像进行模糊化处理，模拟因摄像头对焦不准确或其他拍摄因素造成的影响。3.根据权利要求1所述的一种基于机器视觉的航标灯灯质智能检测方法，其特征在于，b步骤所述的目标检测识别网络：选用保证检测准确度前提下更快检测速度的yolo v4深度学习网络；所述的训练目标检测识别网络：直接学习与迁移学习，对其他数据集的大量样本进行再训练，解决原始数据集样本较小的问题，通过识别算法框选航标灯区域。4.根据权利要求1所述的一种基于机器视觉的航标灯灯质智能检测方法，其特征...

【专利技术属性】
技术研发人员：刘庆，张临强，王凌燕，郑建华，刘娟秀，孙小鹏，倪永强，邓皓，袁兴，冯冬梅，孙洋，张恒泉，叶昊斌，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：