烟雾火焰识别模型的训练方法、烟雾火焰识别方法及装置制造方法及图纸

本申请涉及烟雾火焰识别模型的训练方法、烟雾火焰识别方法及装置。该方法包括：获取炼化厂烟雾火焰数据集；获取初始烟雾火焰识别模型；基于所述Backbone单元的ConvBNSiLU模块和C3模块对所述烟雾火焰数据集中的每张图片进行卷积与特征处理，并使用双重注意力机制模块进行特征提取，获得不同尺度的第一隐藏特征；基于所述Neck单元对所述不同尺度的第一隐藏特征进行二次特征提取，得到不同尺度的第二隐藏特征；通过所述Head单元对所述不同尺度的第二隐藏特征进行识别，生成预测值；根据所述预测值计算损失函数值，更新所述烟雾火焰识别模型的参数，直至达到预设条件，得到所述烟雾火焰识别模型。

【技术实现步骤摘要】

本专利技术涉及图像处理领域，尤其涉及烟雾火焰识别模型的训练方法、烟雾火焰识别方法及装置。

技术介绍

1、石油炼化是一项复杂而危险的工业生产过程，其中烟雾和火焰是常见的安全隐患。因此，烟雾和火焰的检测和识别对于石油炼化工业的安全生产至关重要。

2、烟雾和火焰检测算法通常基于图像处理技术。过去，传统的图像处理方法通常依赖于手工设计的特征提取器和分类器，这些方法在复杂场景下往往表现不佳。而基于深度学习的方法通过深层神经网络自动学习特征表示，使得烟雾和火焰的检测更加准确和鲁棒。近年来，深度学习技术的兴起为烟雾和火焰检测带来了新的解决方案。其中，yolo和faster r-cnn等目标检测模型可以有效地检测图像中的烟雾和火焰位置，在本领域取得了显著的进展。

技术实现思路

1、为了获得更为精准的烟雾和火焰识别结果，本专利技术实施例提供了烟雾火焰识别模型的训练方法、烟雾火焰识别方法及装置。

2、第一方面，本申请实施例提供一种烟雾火焰识别模型的训练方法，该方法包括：

3、获取炼化厂烟雾火焰本文档来自技高网...

【技术保护点】

1.一种烟雾火焰识别模型的训练方法，其特征在于，包括：

2.如权利要求1所述的方法，其特征在于，所述不同尺度的第一隐藏特征，包括第一尺度的第一隐藏特征、第二尺度的第一隐藏特征和第三尺度的第一隐藏特征；所述Backbone单元还包括SPPF模块；

3.如权利要求2所述的方法，其特征在于，所述Backbone单元中的双重注意力机制模块为A2-Net双重注意力机制模块；

4.如权利要求3所述的方法，其特征在于，所述SPPF模块包括ConvBNSiLU模块和最大池化层；

5.如权利要求1所述的方法，其特征在于，在获取初始烟雾火焰识别模型之前，还包括...

【技术特征摘要】

1.一种烟雾火焰识别模型的训练方法，其特征在于，包括：

2.如权利要求1所述的方法，其特征在于，所述不同尺度的第一隐藏特征，包括第一尺度的第一隐藏特征、第二尺度的第一隐藏特征和第三尺度的第一隐藏特征；所述backbone单元还包括sppf模块；

3.如权利要求2所述的方法，其特征在于，所述backbone单元中的双重注意力机制模块为a2-net双重注意力机制模块；

4.如权利要求3所述的方法，其特征在于，所述sppf模块包括convbnsilu模块和最大池化层；

5.如权利要求1所述的方法，其特征在于，在获取初始烟雾火焰识别模型之前，还包括：对于任一图像，进行下列至少一种数据增强操作：

6.如权利要求1-4任一项所述的方法，其特征在于，所述获取炼化厂烟雾火焰数据集，包括：

7.一种烟雾火焰识别方法，其特征在于，包括：

8.如权利要求7所述的方法，其特征在于，获取待识别炼化厂烟雾火焰图像之后，还包括：

9.一种烟雾火焰识别模型的训练装置，其特征在于，...

【专利技术属性】
技术研发人员：刘建，崔振伟，田欣，苏洪全，郭月明，侯士超，马庆，黄秀东，张建国，姜浩，
申请(专利权)人：昆仑数智科技有限责任公司，
类型：发明
国别省市：