一种基于视觉注意力的鼠患检测方法及装置制造方法及图纸

本发明专利技术公开一种基于视觉注意力的鼠患检测方法及装置，首先对包含老鼠在内的视频进行图像帧采集，组成图像数据集；然后对图像数据集包含老鼠在内的子区域进行人工分割与标注，作为后续训练用标注集；构建基于ResNet50基础网络和注意力模块CBAM的视觉注意力残差检测网络；根据前述标注集对视觉注意力残差检测模型进行训练以获取检测训练模型；根据巡检机器人所附相机获取各视觉区域内的视频序列，根据前述训练的检测模型进行目标的检测。本发明专利技术通过在残差网络的各个瓶颈残差模块依次增加注意力模块，提升了大型环境下小目标的检测精度，提高了大型机房室内环境下鼠患的检测的准确率。确率。确率。

【技术实现步骤摘要】
一种基于视觉注意力的鼠患检测方法及装置


[0001]本专利技术涉及室内环境下面向目标检测的视觉感知领域，具体地说是一种基于视觉注意力机制的大型机房内部老鼠出现的检测方法和装置。

技术介绍

[0002]在大型机房中，需要24小时不间断的对室内各个角落进行监控，这其中就包括了对于可能引起鼠患发生状况的监控。鼠患检测的难点在于待测目标为大环境下的小目标，极易发生漏检。
[0003]同时，本项任务是面向一个具体的室内环境，有其特定的背景特征，具体而言，在大型机房室内环境下，相机所拍摄图像背景，包括地面瓷砖、服务器机柜组、空调机组、电气柜组等，多为规则的几何形状物体。而老鼠本身则具有不规则形状的轮廓。

技术实现思路

[0004]为了提高大型机房室内环境下鼠患的检测的准确率，本专利技术提供一种基于视觉注意力的鼠患检测方法及装置。
[0005]为了解决所述技术问题，本专利技术采用的及技术方案是：一种基于视觉注意力的鼠患检测方法，包括以下步骤：S01）、数据集的构建和图像的去噪声处理，获取包含老鼠在内的视频，设置采样间隔，依次对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于视觉注意力的鼠患检测方法，其特征在于：包括以下步骤：S01）、数据集的构建和图像的去噪声处理，获取包含老鼠在内的视频，设置采样间隔，依次对视频序列进行帧图像的采集，并以此组帧图像组成图像数据集，对图像数据集进行去噪声处理；S02）、目标物体的分割提取与标注，对步骤S01）得到的图像数据集进行目标子区域的分割与提取，所述目标子区域是指包含老鼠在内的子区域，组成标注数据集；S03）、视觉注意力残差检测网络的构建，选取ResNet50残差网络作为基础网络，在基础网络上选择增加视觉注意力模块CBAM模块，从而构成视觉注意力残差检测网络；S04）、将步骤S02）所述标注数据集输入视觉注意力残差检测网络进行训练，获取训练模型；S05）、利用训练好的网络模型，对图像数据集进行老鼠的检测以及基于巡检机器人拍摄的图像进行老鼠目标的检测。2.根据权利要求1所述的基于视觉注意力的鼠患检测方法，其特征在于：步骤S01）中，对图像数据集的去噪声处理包括矢量中值滤波与同态滤波。3.根据权利要求1所述的基于视觉注意力的鼠患检测方法，其特征在于：步骤S02）中，对图像数据集进行标注时，采用四个边界包括n个像素余量的方式，n∈(5,10)。4.根据权利要求1所述的基于视觉注意力的鼠患检测方法，其特征在于：步骤S03）中，ResNet50网络由多个瓶颈残差模块叠加而成，为了更有效的提升检测精度，在ResNet50的每一个瓶颈残差模块以及网络最后一层分别依次增加空间通道注意力模块和空间注意力模块，通道注意力模块是对输入特征图的空间尺度进行压缩处理，并同时进行平均池化和最大池化操作，输入多层感知机，然后进行元素求和，并经过sigmoid激活函数运算，生成通道注意力特征图；空间注意力模块首先应用平均池化和最大池化，通过组合生成有效的特征图，使模型更加注意到特征图的有效信息区域。5.根据权利要求1所述的基于视觉注意力的鼠患检测方法，其特征在于：步骤S03）构建的视觉注意力残差检测网络结构组成依次为：卷积层、通道注意力模块、空间注意力...

【专利技术属性】
技术研发人员：南国，高明，高岩，王雯哲，郝虹，尹青山，王建华，
申请(专利权)人：山东新一代信息产业技术研究院有限公司，
类型：发明
国别省市：