基于HSI颜色空间实例分割的油污渗漏检测方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115761319A(43)申请公布日2023.03.07(21)申请号202211402736.2(51)Int.Cl.(22)申请日2022.11.09G06V10/764(2022.01)G06V10/26(2022.01)(71)申请人国网江西省电力有限公司超高压分G06V10/766(2022.01)公司G06V10/82(2022.01)地址330000江西省南昌市青山湖区民营G06V10/56(2022.01)科技园高新大道980号G06V10/77(2022.01)申请人国家电网有限公司G06V10/80(2022.01)国网江西省电力有限公司电力科学G06N3/0464(2023.01)研究院G06N3/08(2023.01)广东珺桦能源科技有限公司(72)发明人徐波李帆陶可京涂其臣刘嘉华栋林清霖(74)专利代理机构南昌丰择知识产权代理事务所(普通合伙)36137专利代理师吴称生权利要求书2页说明书7页附图2页(54)发明名称基于HSI颜色空间实例分割的油污渗漏检测方法(57)摘要本发明公开了一种基于HSI颜色空间实例分割的油污渗漏检测方法，采集充油设备油污渗漏检测图像，然后进行HSI颜色空间转换；构建并训练基于实例分割的充油设备油污渗漏检测网络，然后使用训练后的基于实例分割的充油设备油污渗漏检测网络对HSI颜色空间充油设备油污渗漏检测图像进行检测；基于实例分割的充油设备油污渗漏检测网络包括多尺度候选框提取网络和检测分割头网络，多尺度候选框提取网络对HSI颜色空间充油设备油污渗漏检测图像进行特征提取，检测分割头网络包括充油设备检测分支和油污分割分支。本发明在HSI颜色空间下，多尺度提取后，分别判断充油设备的区域和油污区域，并计算油污区域占比来判断充油设备油污渗漏程度，改善了检测效果。CN115761319ACN115761319A权利要求书1/2页1.一种基于HSI颜色空间实例分割的油污渗漏检测方法，其特征是，采集充油设备油污渗漏检测图像，然后进行HSI颜色空间转换，得到转换之后的HSI颜色空间充油设备油污渗漏检测图像；构建并训练基于实例分割的充油设备油污渗漏检测网络，然后使用训练后的基于实例分割的充油设备油污渗漏检测网络对HSI颜色空间充油设备油污渗漏检测图像进行检测；基于实例分割的充油设备油污渗漏检测网络包括多尺度候选框提取网络和检测分割头网络，多尺度候选框提取网络对HSI颜色空间充油设备油污渗漏检测图像进行特征提取，检测分割头网络包括有两个分支：分别是充油设备检测分支和油污分割分支，充油设备检测分支负责从复杂背景中挑选出充油设备的区域；油污区域分割分支负责在充油设备检测分支预测的充油设备的区域内进行像素级别的油污分类，根据油污分割分支分割的油污区域占充油设备的区域面积比例大小来判断充油设备油污渗漏程度。2.根据权利要求1所述的基于HSI颜色空间实例分割的油污渗漏检测方法，其特征是，HSI颜色空间将图像分为色调、饱和度和强度三个分量，从RGB颜色空间获得色调值H的公式为：其中：饱和度值S的转换公式为：强度值I的转换公式为：式中，R为红色强度值，G为绿色强度值，B为蓝色强度值，θ为角度值。3.根据权利要求1所述的基于HSI颜色空间实例分割的油污渗漏检测方法，其特征是，所述多尺度候选框提取网络由主干网络ResNet、特征金字塔网络，候选框网络、RoIAlign网络组成，主干网络ResNet分层提取得到第一层特征C1、第二层特征C2、第三层特征C3、第四层特征C4和第五层特征C5，特征金字塔的输入为主干网络的第二层特征C2、第三层特征C3、第四层特征C4和第五层特征C5，使用1×1的卷积层获得第五融合特征M5并进行完成上采样操作，再将上采样的特征与经过1×1的卷积层的C4相加获得第四融合特征M4,后续使用相同的操作获得第三融合特征M3和第二融合特征M2。为了将不同尺度的特征融合在一起，使用3×3的卷积层对融合特征M2‑M5的不同尺度特征融合，获得第二特征图P2、、第三特征图P3、第四特征图P4、第五特征图P5。4.根据权利要求3所述的基于HSI颜色空间实例分割的油污渗漏检测方法，其特征是，候选框网络和RoIAlign网络合作完成图像中目标候选区域的预测和目标区域特征的提取；候选框网络在每个尺度的特征层上密集预测候选框；在经过非极大值抑制后处理后，从每个尺度的特征层上根据预测信心选择一定数量的候选框作为目标区域。基于候选框的位置信息，利用RoIAlign网络的双线性插值获得更加精准的特征。2CN115761319A权利要求书2/2页5.根据权利要求1所述的基于HSI颜色空间实例分割的油污渗漏检测方法，其特征是，充油设备检测分支利用RoIAlign网络