【技术实现步骤摘要】
：本专利技术涉及交通维护管理，具体的说是一种能够实现快速准确的公交车辆维修工具清点功能的基于图像识别的公交车辆维修工具清点方法。
技术介绍
0、
技术介绍
：
1、传统的工具管理办法通常为人为手动清点、借助rfid射频识别技术管理，通常在工具表面固定标签，通过扫描装置扫描电子标签，读取工具绑定信息，实现对工具的识别与清点；传统方法往往存在人为清点漏检、rfid标签损坏与丢失的情况，增加管理工作的工作量与成本的问题。
2、目前的工具管理办法多采用机器学习方法与普通的深度学习方法实现公交车辆维修工具清点技术，往往存在工具数量、种类及定位不准确、工具大小与形状差异较大导致的误清点及漏清点的问题。其中，由于公交车辆维修工具在形状及尺度上存在巨大差异使得公交车辆维修工具清点图像识别算法面临严峻挑战。
技术实现思路
0、
技术实现思路
：
1、本专利技术针对现有技术中存在的缺点和不足，提出了一种通过结合数据增强方法、transformer机制、混合空洞卷积感受野调整策略、多尺度特征融合的方式构建公交车辆维修工具清点图像识别算法进行工具识别与定位，提升算法网络对高铁维修工具大小、位置、形状的敏感性，保证维修工具识别准确度的基于图像识别的公交车辆维修工具清点方法。
2、本专利技术通过以下措施达到：
3、一种基于图像识别的公交车辆维修工具清点方法，其特征在于，包括以下步骤：
4、步骤1：摄像头实时采集公交车辆维修现场视频，采用分帧的形式
5、步骤2：根据公交车辆维修现场的环境干扰因素进行图像数据增强操作，过滤环境因素干扰；
6、步骤3：根据进行数据增强后的公交车辆维修现场图像设计感受野适应模块，采用混合空洞卷积代替普通卷积的方法避免因网络层次的加深导致的小目标特征及细节特征的遗漏；
7、步骤4：结合transformer机制与多尺度特征融合机制构建多尺度特征融合模块保留不同层次与深度间的特征关联信息；
8、步骤5：构建多头部检测定位模块，进行工具图像中的工具定位及识别，输出工具清点信息。
9、本专利技术所述步骤2具体为：根据公交车辆维修现场光照环境进行图像增强，以过滤不同时间段及天气环境产生的干扰因素：设定亮度因子λ，定义图像亮度增强方法，计算公式为：aij＝λ*bij，设定对比度因子γ，确定对比度增强方法，计算公式为aij＝(cij)γ*255，其中，cij＝bij/255，aij表示进行图像亮度增强后的图像第i行第j列的像素值，bij表示原始图像第i行第j列的像素值。
10、本专利技术步骤3具体包括：设计基于混合空洞卷积构建感受野适应模块，着重关注公交车辆小型维修工具特征，增强小型维修工具特征敏感性，在扩大感受野的同时增强感受野的连续性，其中混合空洞卷积感受野适应模块包括二维卷积模块，残差模块、多维混合空洞卷积模块级联构成，所述多维混合空洞卷积模块感受野大小n表示为：n＝k+(k-1)*(d-1)，其中k表示卷积核的维度大小，d-1表示混合空洞卷积的空洞率，根据本实例中的图像数据分辨率，空洞率的范围为[0,1,2,3]；所述二维卷积模块包括卷积子层，批量正则化层、激活层层级连接构成，其中激活层函数采用swish激活函数，具体表示为：其中x表示卷积计算后的特征图数据，β为自适应超参数。
11、本专利技术所述残差模块由upsample上采样层、add层、卷积子层组成。
12、本专利技术步骤4具体为：构建基于transformer机制构建多尺度特征融合模块，融合不同层级特征信息，提升判断能力。输入为经过感受野适应模块计算后的深度特征图数据，其中多尺度特征融合模块包括pan特征金字塔模块、transformer模块，通过pan特征金字塔的形式进行维度与特征重构，主要包括卷积子层、下采样层、上采样层及拼接层，充分挖掘顺序、逆序特征，输出多尺度特征数据，transformer模块引入位置编码信息，将特征序列与位置序列进行拼接，以编码器与解码器的形式重构特征向量。
13、本专利技术步骤5中构建多头部检测定位模块，输入为经过多尺度特征融合模块产生的多尺度特征数据，每个尺度的特征数据分别接入回归算法及分类算法，输出目标类别，位置及目标类别的概率，其中，采用ciou损失函数减小预测框与真实框之间的差距，具体表示为：其中，ρ2(b,bgt)分别代表了预测框和真实框的中心点的欧式距离，c代表的是能够同时包含预测框和真实框的最小闭包区域的对角线距离，iou表示预测框与真实框交并比，其中，w,h表示预测框的宽高，wgt，hgt表示真实框的宽高。
14、本专利技术与现有技术相比，能够准确实时的对公交车辆维修工具进行清点，并可以过滤由白天黑昼亦或是天气因素产生的环境影响同时自适应因维修工具自身的形状、大小问题，适应公交车辆维修的多种复杂环境，结果表明本方法准确率高。
本文档来自技高网...【技术保护点】
1.一种基于图像识别的公交车辆维修工具清点方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于图像识别的公交车辆维修工具清点方法，其特征在于，所述步骤2具体为：根据公交车辆维修现场光照环境进行图像增强，以过滤不同时间段及天气环境产生的干扰因素：设定亮度因子λ，定义图像亮度增强方法，计算公式为：aij＝λ*bij，设定对比度因子γ，确定对比度增强方法，计算公式为aij＝(Cij)γ*255，其中，Cij＝bij/255，aij表示进行图像亮度增强后的图像第i行第j列的像素值，bij表示原始图像第i行第j列的像素值。
3.根据权利要求1所述的一种基于图像识别的公交车辆维修工具清点方法，其特征在于，步骤3具体包括：设计基于混合空洞卷积构建感受野适应模块，着重关注公交车辆小型维修工具特征，增强小型维修工具特征敏感性，在扩大感受野的同时增强感受野的连续性，其中混合空洞卷积感受野适应模块包括二维卷积模块，残差模块、多维混合空洞卷积模块级联构成，所述多维混合空洞卷积模块感受野大小n表示为：n＝k+(k-1)*(d-1)，其中k表示卷积核的维度大小，d-1表
4.根据权利要求1所述的一种基于图像识别的公交车辆维修工具清点方法，其特征在于，所述残差模块由upSample上采样层、Add层、卷积子层组成。
5.根据权利要求1所述的一种基于图像识别的公交车辆维修工具清点方法，其特征在于，步骤4具体为：构建基于Transformer机制构建多尺度特征融合模块，融合不同层级特征信息，提升判断能力，输入为经过感受野适应模块计算后的深度特征图数据，其中多尺度特征融合模块包括PAN特征金字塔模块、Transformer模块，通过PAN特征金字塔的形式进行维度与特征重构，包括卷积子层、下采样层、上采样层及拼接层，充分挖掘顺序、逆序特征，输出多尺度特征数据，Transformer模块引入位置编码信息，将特征序列与位置序列进行拼接，以编码器与解码器的形式重构特征向量。
6.根据权利要求1所述的一种基于图像识别的公交车辆维修工具清点方法，其特征在于，步骤5中构建多头部检测定位模块，输入为经过多尺度特征融合模块产生的多尺度特征数据，每个尺度的特征数据分别接入回归算法及分类算法，输出目标类别，位置及目标类别的概率，其中，采用CIOU损失函数减小预测框与真实框之间的差距，具体表示为：其中，ρ2(b,bgt)分别代表了预测框和真实框的中心点的欧式距离，c代表的是能够同时包含预测框和真实框的最小闭包区域的对角线距离，IOU表示预测框与真实框交并比，其中，w,h表示预测框的宽高，wgt，hgt表示真实框的宽高。
...【技术特征摘要】
1.一种基于图像识别的公交车辆维修工具清点方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于图像识别的公交车辆维修工具清点方法，其特征在于，所述步骤2具体为：根据公交车辆维修现场光照环境进行图像增强，以过滤不同时间段及天气环境产生的干扰因素：设定亮度因子λ，定义图像亮度增强方法，计算公式为：aij＝λ*bij，设定对比度因子γ，确定对比度增强方法，计算公式为aij＝(cij)γ*255，其中，cij＝bij/255，aij表示进行图像亮度增强后的图像第i行第j列的像素值，bij表示原始图像第i行第j列的像素值。
3.根据权利要求1所述的一种基于图像识别的公交车辆维修工具清点方法，其特征在于，步骤3具体包括：设计基于混合空洞卷积构建感受野适应模块，着重关注公交车辆小型维修工具特征，增强小型维修工具特征敏感性，在扩大感受野的同时增强感受野的连续性，其中混合空洞卷积感受野适应模块包括二维卷积模块，残差模块、多维混合空洞卷积模块级联构成，所述多维混合空洞卷积模块感受野大小n表示为：n＝k+(k-1)*(d-1)，其中k表示卷积核的维度大小，d-1表示混合空洞卷积的空洞率，根据本实例中的图像数据分辨率，空洞率的范围为[0,1,2,3]；所述二维卷积模块包括卷积子层，批量正则化层、激活层层级连接构成，其中激活层函数采用swish激活函数，具体表示为：其中x表示卷积计算后的特征图数据，β为自适应超参数。
4...
【专利技术属性】
技术研发人员：张天成，马龙涛，
申请(专利权)人：威海智慧城市信息技术股份有限公司，
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。