本申请提供了一种镜头污染程度的检测方法、装置和电子设备。该检测方法包括：构建神经网络模型，神经网络模型是使用多组训练数据通过机器学习训练得到的，多组训练数据中的每一组训练数据均包括历史时间段内获取的：历史采集图像以及与历史采集图像对应的历史镜头污染程度，神经网络模型的输入层和输出层之间包括残差单元，残差单元中嵌入有注意力机制模块，以使残差单元通过注意力机制模块学习每组训练数据的残差，残差为对应的训练数据与对应的模型预测值之间的差值；将实时采集图像输入至神经网络模型，得到与实时采集图像对应的实时镜头污染程度。通过本申请，解决了现有技术中镜头污染程度的检测方法容易出现误判的问题。
【技术实现步骤摘要】
本申请涉及煤矿，具体而言，涉及一种镜头污染程度的检测方法、镜头污染程度的检测装置、计算机可读存储介质和电子设备。
技术介绍
1、整个煤矿系统一般由采煤系统、掘进系统、机电系统、运输系统、通风系统、排水系统等组成，而如何监控每个系统的稳定运行对煤矿安全生产具有重大的意义。矿用摄像机在煤矿生产系统中具有重要的意义，它可以实时监测各个环节的运行情况，如传送带是否发生卡堵和撕裂、工人是否操作得当和刮板输送机断链等，从而提前排除潜在的故障，减少损失，保证煤矿的安全生产。近几年，机器视觉技术的飞速发展为矿用摄像机视觉系统在煤矿的应该提供了重要的理论与技术支撑。然而矿用摄像机视觉系统应用于煤矿系统中，需要克服高粉尘与弱光线的影响。矿用摄像机视觉系统由相机、镜头、光源和边缘计算模块组成，镜头内置于本安隔爆外壳内，高粉尘覆盖于镜头罩外从而使得捕获图像质量下降影响监控人的判断。因此，及时发现并处理矿用视觉系统污染，捕获高质量图像对保障煤矿的安全生产具有重要的意义。
2、目前，判断镜头污染程度主要依靠人工和传统cv图像识别方法。该方法主要通过灰度直方图方法对所捕获的图像数据进行分析，从而判断镜头的污染的程度。当所得图像灰度值大于设定阈值时，则采取相机镜头擦拭，以保证煤矿安全作业。此外还有采用图像锐化的方法将实时采集的图像与无污染时摄像头预存的基准图像做比较，当所得数值大于阈值时则产生镜头污染报警与清洗。然而上述传统图像识别方法，在高粉尘和恶劣的煤矿环境下，自适应差，容易出现误判，不能有效解决矿用工业相机镜头污染的问题。
<
p>技术实现思路1、本申请的主要目的在于提供一种镜头污染程度的检测方法、镜头污染程度的检测装置、计算机可读存储介质和电子设备，以至少解决现有技术中镜头污染程度的检测方法容易出现误判的问题。
2、为了实现上述目的，根据本申请的一个方面，提供了一种镜头污染程度的检测方法，该检测方法包括：构建神经网络模型，神经网络模型是使用多组训练数据通过机器学习训练得到的，多组训练数据中的每一组训练数据均包括历史时间段内获取的：历史采集图像以及与历史采集图像对应的历史镜头污染程度，神经网络模型的输入层和输出层之间包括残差单元，残差单元中嵌入有注意力机制模块，以使残差单元通过注意力机制模块学习每组训练数据的残差，残差为对应的训练数据与对应的模型预测值之间的差值；将实时采集图像输入至神经网络模型，得到与实时采集图像对应的实时镜头污染程度。
3、可选地，构建神经网络模型，包括：创建初始模型，初始模型的输入层和输出层之间包括残差单元，残差单元具有第一激励函数；获取注意力机制模块，注意力机制模块具有第二激励函数；将注意力机制模块嵌入至残差单元，并更新第一激励函数为第二激励函数，以得到神经网络模型。
4、可选地，在构建神经网络模型的步骤之前，检测方法还包括：采用预设算法定位历史采集图像中的目标画面，目标画面与镜头的污染部分对应；根据目标画面和历史采集图像，确定历史采集图像对应的历史镜头污染程度为初始标记值。
5、可选地，检测方法还包括：获取历史采集图像对应的历史镜头污染程度的模型回归拟合值，模型回归拟合值通过将历史采集图像输入至神经网络模型拟合得到；判断模型回归拟合值和初始标记值的差值是否小于第一阈值，得到第一判断结果；在第一判断结果为是的情况下，确定神经网络模型对历史采集图像的拟合为有效拟合；在第一判断结果为否的情况下，确定神经网络模型对历史采集图像的拟合为无效拟合。
6、可选地，检测方法还包括：获取并记录多组训练数据中确定神经网络模型对历史采集图像的拟合为无效拟合的历史采集图像的第一总数量；根据第一总数量与多组训练数据中历史采集图像的总数量的比值，确定神经网络模型的无效率，无效率用于表征神经网络模型的识别能力。
7、可选地，检测方法还包括：获取目标模拟回归拟合值与目标标记值的目标差值，目标模型回归拟合值为多组训练数据中确定神经网络模型对历史采集图像的拟合为有效拟合的历史采集图像对应的模型回归拟合值，目标标记值为目标模拟回归拟合值对应的历史采集图像对应的初始标记值；根据第一预设公式、目标差值之和以及第二总数量，确定神经网络模型的平均误差，平均误差用于表征神经网络模型的模型拟合精确度，第二总数量为多组训练数据中历史采集图像的总数量与多组训练数据中确定神经网络模型对历史采集图像的拟合为无效拟合的历史采集图像的第一总数量之差。
8、可选地，采用预设算法定位历史采集图像中的目标画面，目标画面与镜头的污染部分对应，包括：获取镜头在没有被污染的情况下采集得到的无污染图像；将无污染图像和历史采集图像进行匹配，并采用轮廓提取法定位历史采集图像中与无污染图像不同的画面为目标画面。
9、可选地，检测方法还包括：对历史采集图像进行预处理，以使历史采集图像的尺寸与神经网络模型的图像输入尺寸一致。
10、根据本申请的另一方面，提供了一种镜头污染程度的检测装置，包括：构建单元，用于构建神经网络模型，神经网络模型是使用多组训练数据通过机器学习训练得到的，多组训练数据中的每一组训练数据均包括历史时间段内获取的：历史采集图像以及与历史采集图像对应的历史镜头污染程度，神经网络模型的输入层和输出层之间包括残差单元，残差单元中嵌入有注意力机制模块，以使残差单元用于通过注意力机制模块学习每组训练数据的残差，残差为对应的训练数据与对应的模型预测值之间的差值；检测单元，用于将实时采集图像输入至神经网络模型，得到与实时采集图像对应的实时镜头污染程度。
11、根据本申请的再一方面，提供了一种计算机可读存储介质，计算机可读存储介质包括存储的程序，其中，在程序运行时控制计算机可读存储介质所在设备执行上述的镜头污染程度的检测方法。
12、根据本申请的又一方面，提供了一种电子设备，包括：一个或多个处理器，存储器，以及一个或多个程序，其中，一个或多个程序被存储在存储器中，并且被配置为由一个或多个处理器执行，一个或多个程序包括用于执行上述的镜头污染程度的检测方法。
13、应用本申请的技术方案，可以通过获取历史时间段内包括历史采集图像和历史镜头污染程度的多组数据，并基于上述多组数据进行机器学习从而实现了构建神经网络模型的目的，其中，该神经网络模型的输入层和输出层之间具有残差单元，且与传统神经网络中的残差单元不同的是，本申请在残差单元中还嵌入了注意力机制模块，由于该注意力机制模块能够进一步提升神经网络的特征提取能力，即该注意力机制模块能够将传统的神经网络模型的残差单元(没有嵌入该注意力机制模块之前的残差单元)没有注意到的部分特征进行提取并学习，从而避免了机器学习过程中出现特征丢失或过拟合的现象，并最终学习得到性能明显优于传统的神经网络的神经网络模型，进而再根据该神经网络模型分析实时采集图像时，由于该神经网络模型具有较强的识别能力和较高的精确度，能够更快更准的识别出镜头的污染程度。
本文档来自技高网...
【技术保护点】
1.一种镜头污染程度的检测方法，其特征在于，包括：
2.根据权利要求1所述的检测方法，其特征在于，所述构建神经网络模型，包括：
3.根据权利要求1所述的检测方法，其特征在于，在构建神经网络模型的步骤之前，所述检测方法还包括：
4.根据权利要求3所述的检测方法，其特征在于，所述检测方法还包括：
5.根据权利要求4所述的检测方法，其特征在于，所述检测方法还包括：
6.根据权利要求4或5所述的检测方法，其特征在于，所述检测方法还包括：
7.根据权利要求3或4所述的检测方法，其特征在于，所述采用预设算法定位所述历史采集图像中的目标画面，所述目标画面与所述镜头的污染部分对应，包括：
8.根据权利要求1至4中任一项所述的检测方法，其特征在于，所述检测方法还包括：
9.一种镜头污染程度的检测装置，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至8中任意一项所述的镜头污染程度的检测方法。
11.一种电子设备，其特征在于，包括：一个或多个处理器，存储器，以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行权利要求1至8中任意一项所述的镜头污染程度的检测方法。
...
【技术特征摘要】
1.一种镜头污染程度的检测方法，其特征在于，包括：
2.根据权利要求1所述的检测方法，其特征在于，所述构建神经网络模型，包括：
3.根据权利要求1所述的检测方法，其特征在于，在构建神经网络模型的步骤之前，所述检测方法还包括：
4.根据权利要求3所述的检测方法，其特征在于，所述检测方法还包括：
5.根据权利要求4所述的检测方法，其特征在于，所述检测方法还包括：
6.根据权利要求4或5所述的检测方法，其特征在于，所述检测方法还包括：
7.根据权利要求3或4所述的检测方法，其特征在于，所述采用预设算法定位所述历史采集图像中的目标画面，所述目标画面与所述镜头的污染部分对应...
【专利技术属性】
技术研发人员：任满翊，宋鹏飞，李万春，周李兵，赵春光，孙浩，许联航，季亮，李振国，高鹏，
申请(专利权)人：国能神东煤炭集团有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。