一种基于语义分割的液位检测方法技术

一种基于语义分割的液位检测方法，包括以下步骤：S1、训练模型；先收集数据，然后分别对编码器的训练和解码器的训练；S2、基于图片及红外采集器对需要进行液位检测部位进行检测，通过SegNet分割网络得到液位分割的侧面积，同时通过与容器的侧面积之比计算得出液位的真实数据。本专利不仅仅基于图像也基于红外图片通过多模态形式进行液位检测，提高检测的准确率。率。率。

【技术实现步骤摘要】
一种基于语义分割的液位检测方法


[0001]本专利技术属于液位检测的
，尤其涉及一种基于语义分割的液位检测方法。

技术介绍

[0002]液位的检测在运用的场合很多，现有技术也相对较多，比如：
[0003]1.(201310282969.8)液位检测方法及系统
[0004]该专利技术公开了一种液位检测方法及系统，其中液位检测方法包括获取教主容器内的第一形貌信息图像，并从第一形貌信息图像中获取刻度，刻度用于标示浇注容器内的一个或多个部位对应的高度值或深度值，在浇注容器内的一个或多个部位对应的高度值或深度值，在教主容器内著有金属溶液时获取浇注容器内的第二形貌信息图像，根据第二形貌信息图像中的页面边缘线与刻度之间的位置关系获得金属溶液在浇注容器中的液位值，其中，液面边缘线用于表示金属溶液的液面与浇注容器的内壁之间的交界线。该专利技术基于正视图的视角去观测液位，基于传统图像算法知识进行计算往往会因为光照变化以及观测位置的微小变化导致检测出的液位有较大的误差。
[0005]2.(201910722825.7)液位检测方法及系统
[0006]该专利提供了一种液位视觉检测方法与装置，其中方法包括获取待测量透明容器的液位信息图像，将液位信息图像输入至液位检测模型，通过液位检测模型对液位信息图像进行处理，并通过包括待测量容器的液位线位置信息的测量结果图像。本专利申请提供的一种通过机器视觉检测液位的方法，通过将待测量容器的液位信息图像输入至已完成训练的液位检测模型中，由液位检测模型对液位信息图像进行处理并输出包括由待测量容器的液位线位置信息的测量结果图像。该检测方法忽视了液位放光及阴影的影响仅仅基于传统的视觉算法无法精准的进行液位检测。
[0007]3.(200810023127.X)液位检测装置
[0008]该专利技术公开了一种液位检测装置，它包括至少一个磁敏传感器，所述的磁敏传感器为零功耗磁敏传感器；与磁敏传感器相对位置的待测液体内竖直设有一轨道，液面上有浮球，浮球上固定有定位片，定位片的一端固定有磁铁，另一端装在轨道内。用磁双稳态合金丝制成的磁敏传感器对浮动磁铁位置的感应，将液位转换成电信号，再通过电缆线进行信号远传，用传感器对相应高度磁铁的感应来检测液位高度，无需使用电源，无机械触点。此专利对于密封液体无法加入浮球，且对于部分液体无法加入浮球，该装置配置复杂，维护成本较高。

技术实现思路

[0009]为使模型能够适应各种光照噪音干扰，具有更好得了鲁棒性，为此，本专利技术提出了一种基于语义分割的液位检测方法，具体方案如下：
[0010]一种基于语义分割的液位检测方法，包括以下步骤
[0011]S1、训练模型；先收集数据，然后分别对编码器的训练和解码器的训练；
[0012]S2、基于图片及红外采集器对需要进行液位检测部位进行检测，通过SegNet分割网络得到液位分割的侧面积，同时通过与容器的侧面积之比计算得出液位的真实数据。
[0013]具体地说，收集数据的具体步骤如下：
[0014]S111、收集需要检测液位的RGB三通道图片以及对应的红外图片，并将数据集进行切分，切分成对应的训练集、验证集以及测试集，然后将训练集用于模型的训练，训练集不仅有收集来的图像信息以及红外信息也有其对应的液位语义分割信息；
[0015]S112、将训练集、验证集以及测试集中的数据进行颜色抖动增广以及高斯噪音增广，同时对输入的图片、热力图以及对应的标注数据进行一致的随机裁剪的操作。
[0016]具体地说，对编码器的训练步骤如下：
[0017]S121、将输入的RGB图片通过卷积操作得到特征F
cv
，将得到的该特征通过可变形卷积得到特征F
tc
；将热力图信息分别通过空间可分离卷积以及深度可分离卷积分别得到特征F
sc
以及特征F
dc
，特征F
tc
，F
sc
以及特征F
dc
进行concate得到特征F
cc
；
[0018]S122、将特征F
cc
作为输入依次通过串联的残差卷积块，空洞卷积块、可变形卷积块以及分组卷积块，得到特征F
cr
、F
cd
、F
tc
以及特征F
gc
；
[0019]S123、特征F
cr
通过resize上采样得到特征F
re
，特征F
cd
通过上采样得到特征F
us
，F
tc
反卷积得到特征F
m
，并将特征F
gc
通过3x3卷积得到特征F
n
，另外将特征F
gc
通过FAB机制得到特征F
fab
；FAB机制通过对输入的特征经过卷积核大小为3x3，步长大小为1的空洞卷积，再经过SynBN操作，最后通过ReLu激活函数以及Dropout操作；
[0020]S124、将特征F
fab
与特征F
m
通过concate操作得到特征F
p
，接着将特征F
p
通过注意CBAM机制得到特征F
cbam
,将特征F
cbam
与特征F
us
进行concate得到特征F
e
；
[0021]S124、将特征F
e
通过CFGB模块得到特征F
cfgb
，在CFGB模块中，输入的特征F
e
通过卷积核大小为3x3,步长为2的空洞卷积接着通过SynBN以及ReLU后通过Dropout得到输出特征F
cfgb
；
[0022]S125、特征F
cfgb
与特征F
re
经过concate合并得到特征F
g
，接着将得到的特征F
g
与之前得到的特征F
cc
进行相加得到特征F
ccg
；
[0023]S126、将特征F
ccg
与特征F
n
输入到APFM机制中得到最后的特征F
encoder
。
[0024]具体地说，步骤S126具体为：
[0025]S1261、将特征F
ccg
通过1x1卷积得到特征F
a
，特征F
n
通过上采样得到特征F
b
，将两者对应位置相加得到特征F
ab
；另外特征F
a
通过3x3卷积得到特征F
k
，F
b
也通过3x3卷积得到特征F
v
,
[0026]S1262、将特征F
ab
通过本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于语义分割的液位检测方法，其特征在于，包括以下步骤：S1、训练模型；先收集数据，然后分别对编码器的训练和解码器的训练；S2、基于图片及红外采集器对需要进行液位检测部位进行检测，通过SegNet分割网络得到液位分割的侧面积，同时通过与容器的侧面积之比计算得出液位的真实数据。2.根据权利要求1所述的一种基于语义分割的液位检测方法，其特征在于，收集数据的具体步骤如下：S111、收集需要检测液位的RGB三通道图片以及对应的红外图片，并将数据集进行切分，切分成对应的训练集、验证集以及测试集，然后将训练集用于模型的训练，训练集不仅有收集来的图像信息以及红外信息也有其对应的液位语义分割信息；S112、将训练集、验证集以及测试集中的数据进行颜色抖动增广以及高斯噪音增广，同时对输入的图片、热力图以及对应的标注数据进行一致的随机裁剪的操作。3.根据权利要求1所述的一种基于语义分割的液位检测方法，其特征在于，对编码器的训练步骤如下：S121、将输入的RGB图片通过卷积操作得到特征F
cv
，将得到的该特征通过可变形卷积得到特征F
tc
；将热力图信息分别通过空间可分离卷积以及深度可分离卷积分别得到特征F
sc
以及特征F
dc
，特征F
tc
，F
sc
以及特征F
dc
进行concate得到特征F
cc
；S122、将特征F
cc
作为输入依次通过串联的残差卷积块，空洞卷积块、可变形卷积块以及分组卷积块，得到特征F
cr
、F
cd
、F
tc
以及特征F
gc
；S123、特征F
cr
通过resize上采样得到特征F
re
，特征F
cd
通过上采样得到特征F
us
，F
tc
反卷积得到特征F
m
，并将特征F
gc
通过3x3卷积得到特征F
n
，另外将特征F
gc
通过FAB机制得到特征F
fab
；FAB机制通过对输入的特征经过卷积核大小为3x3，步长大小为1的空洞卷积，再经过SynBN操作，最后通过ReLu激活函数以及Dropout操作；S124、将特征F
fab
与特征F
m
通过concate操作得到特征F
p
，接着将特征F
p
通过注意CBAM机制得到特征F
cbam
,将特征F
cbam
与特征F
us
进行concate得到特征F
e
；S124、将特征F
e
通过CFGB模块得到特征F
cfgb
，在CFGB模块中，输入的特征F
e
通过卷积核大小为3x3,步长为2的空洞卷积接着通过SynBN以及ReLU后通过Dropout得到输出特征F
cfgb
；S125、特征F
cfgb
与特征F
re
经过concate合并得到特征F
g
，接着将得到的特征F
g
与之前得到的特征F
cc
进行相加得到特征F
ccg
；S126、将特征F
ccg
与特征F
n
...

【专利技术属性】
技术研发人员：郑博超，胡懋成，王秋阳，汪玉冰，凤阳，
申请(专利权)人：合肥赛为智能有限公司，
类型：发明
国别省市：