基于多尺度残差检测网络的吊车识别装置、方法及用途制造方法及图纸

本发明专利技术公开了基于多尺度残差检测网络的吊车识别装置、方法及用途，涉及吊车视觉检测技术领域；装置包括检测模块，用于获得训练好的多尺度残差检测网络，获得吊车图像，将吊车图像输入多尺度残差检测网络，获得吊车预测框和置信度，所述多尺度残差检测网络包括多尺度残差特征提取网络、感受野增强网络、多尺度特征融合网络和预测端，所述多尺度残差特征提取网络、感受野增强网络、多尺度特征融合网络和预测端依次连接，多尺度残差特征提取网络与多尺度特征融合网络连接；方法包括检测步骤，获得吊车图像，将吊车图像输入多尺度残差检测网络，获得吊车预测框和置信度，进而实现吊车检测；其通过检测模块等，实现吊车检测效果好。实现吊车检测效果好。实现吊车检测效果好。

【技术实现步骤摘要】
基于多尺度残差检测网络的吊车识别装置、方法及用途


[0001]本专利技术涉及吊车视觉检测
，尤其涉及一种基于多尺度残差检测网络的吊车识别装置、方法及用途。

技术介绍

[0002]目前，市政、路桥等施工建设会给输电线路安全的运行造成很多隐患，尤其像吊车等大型机械设备在输电线路下作业时，特别容易造成碰线事故。因此，在输电线路关键区域实施基于视觉的吊识别技术至关重要。
[0003]基于机器视觉的目标识别算法在识别吊车的领域中得到了广泛地应用，闫春江(闫春江，王闯，方华林，等.基于深度学习的输电线路工程车辆入侵检测[J].信息技术，2018,42(07):28
‑
33+38.)用PBAS作为运动目标检测算法，提取出不同帧图像之间的可疑区域，利用VGG Net模型进行图像分类，实现输电通道入侵检测。
[0004]Liu J(LIU J,HUANG H,ZHANG Y,et al.Deep Learning Based External
‑
force
‑
damage Detection for Power Transmission Line[J].JPh CS,2019,1169(1):012032.)将Faster R
‑
CNN与K
‑
means算法相结合，通过K
‑
means算法生成锚框，配合Faster R
‑
CNN实现输电线路入侵检测。
[0005]结合上述两篇文献和现有的技术方案，专利技术人分析发现在现有技术方案中存在如下技术问题。
[0006]由于吊车目标表现出多尺度的特征，且在处理图像的下采样过程中目标信息容易出现丢失，这就使得上述的两种方案的检测效果被较大地削弱了。在这样的情况下，开发一种检测效果较好的吊车检测方法，提升输电线路的安全运行保障系数，对社会经济的发展具有很强的实际意义。
[0007]现有技术问题及思考：
[0008]如何解决吊车检测效果较差的技术问题。

技术实现思路

[0009]本专利技术所要解决的技术问题是提供一种基于多尺度残差检测网络的吊车识别装置、方法及用途，解决吊车检测效果较差的技术问题。
[0010]为解决上述技术问题，本专利技术所采取的技术方案是：一种基于多尺度残差检测网络的吊车识别装置包括检测模块，检测模块为程序模块，用于获得训练好的多尺度残差检测网络，获得吊车图像，将吊车图像输入多尺度残差检测网络，获得吊车预测框和置信度，所述多尺度残差检测网络包括多尺度残差特征提取网络、感受野增强网络、多尺度特征融合网络和预测端，所述多尺度残差特征提取网络、感受野增强网络、多尺度特征融合网络和预测端依次连接，多尺度残差特征提取网络与多尺度特征融合网络连接。
[0011]进一步的技术方案在于：还包括用于获得吊车图像的摄像头、通信装置和处理器，所述摄像头与通信装置连接并通信，所述通信装置与处理器连接并通信。
[0012]进一步的技术方案在于：检测模块，还用于所述吊车图像为预处理后的吊车图像。
[0013]进一步的技术方案在于：检测模块，还用于将吊车预测框和置信度对外发送。
[0014]一种基于多尺度残差检测网络的吊车识别方法包括检测步骤，获得吊车图像，将吊车图像输入多尺度残差检测网络，获得吊车预测框和置信度，进而实现吊车检测。
[0015]进一步的技术方案在于：在检测步骤中，预处理吊车图像并获得预处理后的吊车图像，将预处理后的吊车图像输入多尺度残差检测网络。
[0016]进一步的技术方案在于：在检测步骤中，将吊车预测框和置信度对外发送并及时通知管理人员。
[0017]一种基于多尺度残差检测网络的吊车识别装置，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，所述处理器执行计算机程序时实现上述方法中相应的步骤。
[0018]一种基于多尺度残差检测网络的吊车识别装置包括计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述方法中相应的步骤。
[0019]一种多尺度残差检测网络的用途，将多尺度残差检测网络用于吊车检测。
[0020]采用上述技术方案所产生的有益效果在于：
[0021]一种基于多尺度残差检测网络的吊车识别装置包括检测模块，检测模块为程序模块，用于获得训练好的多尺度残差检测网络，获得吊车图像，将吊车图像输入多尺度残差检测网络，获得吊车预测框和置信度，所述多尺度残差检测网络包括多尺度残差特征提取网络、感受野增强网络、多尺度特征融合网络和预测端，所述多尺度残差特征提取网络、感受野增强网络、多尺度特征融合网络和预测端依次连接，多尺度残差特征提取网络与多尺度特征融合网络连接。该技术方案，其通过检测模块等，实现吊车检测效果好。
[0022]一种基于多尺度残差检测网络的吊车识别方法包括检测步骤，获得吊车图像，将吊车图像输入多尺度残差检测网络，获得吊车预测框和置信度，进而实现吊车检测。该技术方案，其通过检测步骤等，实现吊车检测效果好。
[0023]一种基于多尺度残差检测网络的吊车识别装置，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，所述处理器执行计算机程序时实现上述方法中相应的步骤，实现吊车检测效果好。
[0024]一种基于多尺度残差检测网络的吊车识别装置包括计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述方法中相应的步骤，实现吊车检测效果好。
[0025]一种多尺度残差检测网络的用途，将多尺度残差检测网络用于吊车检测，实现吊车检测效果好。
[0026]详见具体实施方式部分描述。
附图说明
[0027]图1是本专利技术实施例1的原理框图；
[0028]图2是图1中Stage1子模块的原理框图；
[0029]图3是图1中Stage2子模块的原理框图；
[0030]图4是图1中感受野增强网络的原理框图；
[0031]图5是图1中多尺度特征融合网络的原理框图；
[0032]图6是本专利技术的实施流程图；
[0033]图7是本专利技术的检测效果图。
具体实施方式
[0034]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本申请及其应用或使用的任何限制。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0035]在下面的描述中阐述了很多具体细节以便于充分理解本申请，但是本申请还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本申请内涵的情况下做类似推广，因此本申请不受下面公开的具体实施例的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多尺度残差检测网络的吊车识别装置，其特征在于：包括检测模块，检测模块为程序模块，用于获得训练好的多尺度残差检测网络，获得吊车图像，将吊车图像输入多尺度残差检测网络，获得吊车预测框和置信度，所述多尺度残差检测网络包括多尺度残差特征提取网络、感受野增强网络、多尺度特征融合网络和预测端，所述多尺度残差特征提取网络、感受野增强网络、多尺度特征融合网络和预测端依次连接，多尺度残差特征提取网络与多尺度特征融合网络连接。2.根据权利要求1所述的基于多尺度残差检测网络的吊车识别装置，其特征在于：还包括用于获得吊车图像的摄像头、通信装置和处理器，所述摄像头与通信装置连接并通信，所述通信装置与处理器连接并通信。3.根据权利要求1所述的基于多尺度残差检测网络的吊车识别装置，其特征在于：检测模块，还用于所述吊车图像为预处理后的吊车图像。4.根据权利要求2所述的基于多尺度残差检测网络的吊车识别装置，其特征在于：检测模块，还用于将吊车预测框和置信度对外发送。5.一种基于多尺度残差检测网络的吊车识别方法，其特...

【专利技术属性】
技术研发人员：刘良帅，赵建利，陈泽，赵百捷，姬艳鹏，赵建斌，赵邵康，王立斌，
申请(专利权)人：国网河北省电力有限公司国家电网有限公司，
类型：发明
国别省市：