【技术实现步骤摘要】
本专利技术涉及气体检测技术和机器视觉领域，尤其是涉及一种适用于光学气体成像的检测模型训练方法。
技术介绍
1、在气体检测领域，尤其是对各类气体泄漏(包括但不限于挥发性有机化合物(vocs)、甲烷、六氟化硫等)的检测中，准确地识别泄漏事件及其位置是至关重要的。光学气体成像技术(optical gas imaging,ogi)利用气体对特定波长红外辐射的吸收特性，可以直观地展示气体泄漏的分布情况，因其监测范围广、响应快速、安全性高和灵活高效的特点而被广泛应用于气体泄漏检测。近年来，基于ogi的自动泄漏检测，作为机器视觉中的一个目标检测问题，受到了极大的关注。
2、随着深度学习技术的快速发展，目标检测算法的性能得到了显著提升。然而，基于深度学习的目标检测算法依赖于大量的图像数据和精确的目标框标注。在气体成像中，由于特殊的成像机制，气羽常呈半透明、无定形且边界模糊，尤其是小量泄漏时，准确标注极为困难，且标注过程需要耗费大量人力物力。为减轻这一负担，研究者尝试用计算机合成的红外视频代替真实视频进行训练。然而，合成视频与真实视频之间的域...
【技术保护点】
1.一种适用于光学气体成像的检测模型训练方法，其特征在于，该方法基于视频的外观和光流两种模态特征来实现，首先对外观特征进行初步的域适应处理，其次在光流指导下将适应后的外观特征进行多帧聚合，从而增强外观特征的可迁移性，最后将增强特征与光流特征进行跨模态融合，并进行进一步的域适应处理。
2.根据权利要求1所述的一种适用于光学气体成像的检测模型训练方法，其特征在于，该方法包括以下步骤：
3.根据权利要求2所述的一种适用于光学气体成像的检测模型训练方法，其特征在于，所述步骤S1中的合成数据包括多个由计算机生成的带有动态泄漏气羽及背景的帧序列和指示泄漏气...
【技术特征摘要】
1.一种适用于光学气体成像的检测模型训练方法，其特征在于，该方法基于视频的外观和光流两种模态特征来实现，首先对外观特征进行初步的域适应处理，其次在光流指导下将适应后的外观特征进行多帧聚合，从而增强外观特征的可迁移性，最后将增强特征与光流特征进行跨模态融合，并进行进一步的域适应处理。
2.根据权利要求1所述的一种适用于光学气体成像的检测模型训练方法，其特征在于，该方法包括以下步骤：
3.根据权利要求2所述的一种适用于光学气体成像的检测模型训练方法，其特征在于，所述步骤s1中的合成数据包括多个由计算机生成的带有动态泄漏气羽及背景的帧序列和指示泄漏气羽在每帧上所在位置的检测框标识。
4.根据权利要求2所述的一种适用于光学气体成像的检测模型训练方法，其特征在于，所述步骤s1中的真实数据仅包括来自真实泄漏场景的红外气体成像帧序列。
5.根据权利要求2所述的一...
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。