【技术实现步骤摘要】
本专利技术涉及市政设施管理，具体涉及一种设施破损监测方法、装置、机器可读介质及设备。
技术介绍
1、目前，随着城市化进程的加快，市政设施的破损监测成为了一个亟待解决的问题。而在这一领域中，边缘计算与深度学习技术的应用也逐渐成为了研究的热点之一。以往的研究表明，边缘计算技术可以有效地提高数据处理的效率，并且结合深度学习技术可以实现对市政设施破损的监测追溯，但是现有的方法还存在一些问题。
2、在相关研究文献的基础上，本研究对传统的电网线路的电线破损监控方法进行了改进。其中，一些文献提出了基于边缘计算与深度学习的破损监测方法，但是这些方法仍然存在一些问题，如算法复杂、量化效果不佳、视觉特征识别不充分等。
技术实现思路
1、鉴于以上所述现有技术的缺点，本专利技术的目的在于提供一种设施破损监测方法、装置、机器可读介质及设备，用于解决现有技术存在的问题。
2、为实现上述目的及其他相关目的，本专利技术提供一种设施破损监测方法，所述方法包括：
3、获取包括第一目标对象的第一区域图像；
4、基于所述第一区域图像判断所述第一目标对象的破损状态，所述破损状态包括破损和未破损；
5、在所述破损状态为破损时基于所述第一区域图像确定第一目标对象的破损类型以实现对第一目标对象的破损监测。
6、于本专利技术一实施例中，所述方法还包括：
7、对所述第一区域图像进行目标检测，得到一个或多个第二目标对象；
8、在所述一个或多
9、于本专利技术一实施例中，所述基于所述第一区域图像判断所述第一目标对象的破损状态的步骤包括：
10、将所述第一区域图像输入至训练好的破损状态检测模型中，以所述破损状态检测模型的输出作为破损状态。
11、于本专利技术一实施例中，所述破损状态检测模型为基于yolov3的模型，所述破损状态检测模型包括骨干网络，所述骨干网络用于对所述第一区域图像进行特征提取，其中，在所述骨干网络中激活函数为relu6。
12、于本专利技术一实施例中，所述确定第一目标对象的破损类型的步骤包括：
13、将所述第一区域图像转换为特征向量；
14、通过k-means聚类算法对所述特征向量进行聚类，得到所述第一目标对象的破损类型。
15、于本专利技术一实施例中，所述方法还包括：
16、获取第一目标对象的位置信息；
17、将所述第一目标对象的破损类型以及所述位置信息推送至维修提示端。
18、为实现上述目的及其他相关目的，本专利技术还提供一种设施破损监测装置，所述装置包括：
19、图像获取模块，用于获取包括第一目标对象的第一区域图像；
20、破损检测模块，用于基于所述第一区域图像判断所述第一目标对象的破损状态，所述破损状态包括破损和未破损；
21、类型确定模块，用于在所述破损状态为破损时基于所述第一区域图像确定第一目标对象的破损类型以实现对第一目标对象的破损监测。
22、为实现上述目的及其他相关目的，本专利技术还提供一种设施破损监测系统，所述监测系统包括：
23、边缘监测设备，用于获取包括第一目标对象的第一区域图像，并基于所述第一区域图像判断所述第一目标对象的破损状态，所述破损状态包括破损和未破损；
24、云端设备，用于接收破损状态为破损时对应的第一区域图像，并在所述破损状态为破损时基于所述第一区域图像确定第一目标对象的破损类型以实现对第一目标对象的破损监测。
25、为实现上述目的及其他相关目的，本专利技术还提供一种设施破损监测设备，包括：
26、一个或多个处理器；和
27、其上存储有指令的一个或多个机器可读介质，当所述一个或多个处理器执行时，使得所述设备执行前述的一个或多个所述的设施破损监测方法。
28、为实现上述目的及其他相关目的，本专利技术还提供一个或多个机器可读介质，其上存储有指令，当由一个或多个处理器执行时，使得设备执行前述的一个或多个所述的设施破损监测方法。
29、如上所述，本专利技术提供的一种设施破损监测方法、装置、机器可读介质及设备，具有以下有益效果：
30、本专利技术的一种设施破损监测方法，所述方法包括：获取包括第一目标对象的第一区域图像；基于所述第一区域图像判断所述第一目标对象的破损状态，所述破损状态包括破损和未破损；在所述破损状态为破损时基于所述第一区域图像确定第一目标对象的破损类型以实现对第一目标对象的破损监测；本专利技术图像识别确定设施是否破损并在破损时通过图像确定破损的类型，从而实现了对设施破损的快速监测。
31、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
本文档来自技高网...【技术保护点】
1.一种设施破损监测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的设施破损监测方法，其特征在于，所述方法还包括：
3.根据权利要求1所述的设施破损监测方法，其特征在于，所述基于所述第一区域图像判断所述第一目标对象的破损状态的步骤包括：
4.根据权利要求3所述的设施破损监测方法，其特征在于，所述破损状态检测模型为基于YOLOv3的模型，所述破损状态检测模型包括骨干网络，所述骨干网络用于对所述第一区域图像进行特征提取，其中，在所述骨干网络中激活函数为ReLU6。
5.根据权利要求1所述的设施破损监测方法，其特征在于，所述确定被监测区域的破损类型的步骤包括：
6.根据权利要求5所述的设施破损监测方法，其特征在于，所述方法还包括：
7.一种设施破损监测装置，其特征在于，所述装置包括：
8.一种设施破损监测系统，其特征在于，所述监测系统包括：
9.一种设施破损监测设备，其特征在于，包括：
10.一个或多个机器可读介质，其特征在于，其上存储有指令，当由一个或多个处理器执行时
...【技术特征摘要】
1.一种设施破损监测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的设施破损监测方法，其特征在于，所述方法还包括：
3.根据权利要求1所述的设施破损监测方法，其特征在于，所述基于所述第一区域图像判断所述第一目标对象的破损状态的步骤包括：
4.根据权利要求3所述的设施破损监测方法，其特征在于，所述破损状态检测模型为基于yolov3的模型，所述破损状态检测模型包括骨干网络，所述骨干网络用于对所述第一区域图像进行特征提取，其中，在所述骨干网络中激活函数为relu6。
5.根...
【专利技术属性】
技术研发人员：李杰，王莹，徐立，刘明，
申请(专利权)人：中冶赛迪信息技术重庆有限公司，
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。