一种基于计算机视觉和深度学习发现天然气终端设备异常的方法技术

本发明专利技术提供一种基于计算机视觉和深度学习发现天然气终端设备异常的方法，其特征在于，包含如下步骤：S1.将图片转换为标准格式图片；S2.基于模型一，识别标准格式图片中的目标物体，并进行标记，生成标记图片；S3.对标记图片进行裁剪，形成标准图片；S4.基于模型二，对标准图片中的目标物体进行是否存在异常的判断；当存在异常时，对该图片标记“异常”；当不存在异常时，对该图片标记“正常”；其中，模型一为物体识别训练模块，用于识别目标物体；模型二为物体检测训练模块，用于识别物体的异常情况。该方法能够有效的精确的识别天然气终端设备异常的问题。备异常的问题。备异常的问题。

【技术实现步骤摘要】
一种基于计算机视觉和深度学习发现天然气终端设备异常的方法


[0001]本专利技术提供了一种识别天然气终端设备异常方法的领域，具体地，涉及一种基于计算机视觉和深度学习发现天然气终端设备异常的方法。

技术介绍

[0002]目前国家强制规定民用和小型商用天然气终端设备每年必须有一次入户检测，目前的检测方法存在有以下问题：
[0003]1.入户检查操作无法标准化,工作人员的标准化培训难度大。
[0004]2.人为因素造成检查不规范，不完整，漏检，误检可能性加大。
[0005]3.检测人员工作任务重，效率低下。
[0006]4.无法建立服务规范，客户投诉较多。

技术实现思路

[0007]本专利技术旨在克服上述缺陷，通过检测人员拍摄视频和图片，运用计算机视觉和深度学习等技术，在线实时发现燃气终端设备可能存在的问题，并将结果反馈给检测人员，使检测行为标准化，规范化，最大程度避免漏检，误检，大幅提高工作效率。
[0008]本专利技术提供了一种基于计算机视觉和深度学习发现天然气终端设备异常的方法，其特征在于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于计算机视觉和深度学习发现天然气终端设备异常的方法，其特征在于，包含如下步骤：S1.将图片转换为标准格式图片；S2.基于模型一，识别标准格式图片中的目标物体，并进行标记，生成标记图片；S3.对标记图片进行裁剪，形成标准图片；S4.基于模型二，对标准图片中的目标物体进行是否存在异常的判断；当存在异常时，对该图片标记“异常”；当不存在异常时，对该图片标记“正常”；其中，所述模型一为物体识别训练模块，用于识别目标物体；所述模型二为物体检测训练模块，用于识别物体的异常情况。2.如权利要求1所述的一种基于计算机视觉和深度学习发现天然气终端设备异常的方法，其特征在于：所述模型一的获取方法为：基于yolov3算法实现的训练框架keras
‑
yolo3，将收集的设备图片和干扰图片预处理成统一大小和格式后放到指定路径,创建新文件，记录待识别设备的类别，做好配置，执行keras
‑
yolo3的训练命令得到训练文件，大量重复上述训练步骤，直至识别结果符合预期，得到最终训练模型；其中，其中，所述设备图片为天然气终端设备的设备图片；所述干扰图片为与天然气终端设备相似，且容易造成混淆的设备图片；所述待识别设备的类别为各类天然气终端设备。3.如权利要求1所述的一种基于计算机视觉和深度学习发现天然气终端设备异常的方法，其特征在于：所述模型二的获取方法为：基于yolov3算法实现的训练框架keras
‑
yolo3,将收集的正常图片和异常图片预处理成统一大小和格式后放到指定路径,创建新文件，记录待识别设备的类别，做好配置,执行keras
‑
yolo3的训练命令得到训练文件，大量重复上述训练步骤，直至识别结果符合预期，得到最终训练模型；其中，所述正常图片为处于非异常状态的设备图片；所述异常图片为处于异常状态下的设备图片；所述待识别设备的类别为正常设备和异常设备。4.如权利要求1所述的一种基于计算机视觉和深度学习发现天然气终端设备异常的方法，其特征在于：所述步骤S1的具体处理过程为：使用opencv处理图片，将图像转为RGB格式，和训练时图片格式保持一致，得到图片p1。5.如权利要求4所述的一种基于计算机视觉和深度学习发现天然气终端设备异常的方法...

【专利技术属性】
技术研发人员：郑孟华，朱志新，孙培宇，
申请(专利权)人：上海秦润数据科技有限公司，
类型：发明
国别省市：