一种基于视觉的水面油污检测方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114170487A(43)申请公布日2022.03.11(21)申请号202111494061.4G06N3/08(2006.01)(22)申请日2021.12.08(71)申请人北京计算机技术及应用研究所地址100854北京市海淀区永定路51号西工业区96号楼(72)发明人王卫威贺明科王辰(51)Int.Cl.G06V10/80(2022.01)G06V10/774(2022.01)G06V10/24(2022.01)G06V10/25(2022.01)G06V10/32(2022.01)G06V10/82(2022.01)G06V10/764(2022.01)G06K9/62(2022.01)G06N3/04(2006.01)权利要求书2页说明书7页附图2页(54)发明名称一种基于视觉的水面油污检测方法(57)摘要本说明书实施例公开了一种基于视觉的水面油污检测方法。方案包括：获取样本图像并进行标注，所述样本图像包括原本图像和基于所述原本图像扩充的数据；对所述样本图像进行预处理；采用目标检测模型对处理后的样本图像进行特征提取，所述目标检测模型使用Yolov3‑darknet53作为主干特征提取网络，并加入了SPP层；根据提取的特征预测油污区域结果，保存预测模型；根据测试精度、资源占用和推理速度对所述预测模型进行优化；采用优化后的预测模型进行水面油污检测。本发明提供的基于视觉的水面油污检测方法，能够准确检测水面油污区域的精度和实时性，提高实用性。CN114170487ACN114170487A权利要求书1/2页1.一种基于视觉的水面油污检测方法，其特征在于，包括：获取样本图像并进行标注，所述样本图像包括原本图像和基于所述原本图像扩充的数据；对所述样本图像进行预处理；采用目标检测模型对处理后的样本图像进行特征提取，所述目标检测模型使用Yolov3‑darknet53作为主干特征提取网络，并加入了SPP层；根据提取的特征预测油污区域结果，保存预测模型；根据测试精度、资源占用和推理速度对所述预测模型进行优化；采用优化后的预测模型进行水面油污检测。2.如权利要求1所述的检测方法，其特征在于，采用上下翻转、镜像、平移、旋转的方式对原本图像进行扩充。3.如权利要求1所述的检测方法，其特征在于，对所述样本图像进行预处理，具体包括：统一所述样本图像的尺寸并进行归一化处理；随机选取四张照片使用Mosaic增强，再对Mosaic增强的图片进行Mixup增强。4.如权利要求1所述的检测方法，其特征在于，所述目标检测模型在网络中使用残差的跳层连接，使用卷积代替池化进行降采样；所述SPP层将提取的特征传入不同感受野的池化层，并将处理后的特征拼接成一个新的特征。5.如权利要求1所述的检测方法，其特征在于，所述根据提取的特征预测油污区域结果，具体包括：针对检测任务，采用解耦头代替耦合头，采用三个分支分别预测位置、目标置信度与分类概率；设定模型训练轮次阈值，模型训练完设定次数后，评估一次训练性能，根据模型评估指标规则选取最优模型。6.如权利要求5所述的检测方法，其特征在于，根据提取的特征预测油污区域结果，还包括：将测试样本输入至所述预测模型，对输出结果通过置信度阈值筛选，保留置信度与类别信息之积大于置信度阈值的结果；将该结果通过NMS阈值筛选去除重叠的候选区域，对每个预测框的类别置信度排序，获取最大置信度以及对应的标签作为最终油污区域检测结果。7.如权利要求1所述的检测方法，其特征在于，根据测试精度、资源占用和推理速度对所述预测模型进行优化，具体包括：根据测试精度、资源占用和推理速度，利用TensorRT、网络裁剪与量化技术，对优化后的预测模型进行轻量化处理。8.根据权利要求1所述的检测方法，其特征在于，在特征提取过程中采用AnchorFree技术。9.根据权利要求1所述的检测方法，其特征在于，使用pascalvoc或coco两种数据集标注格式进行标注。10.根据权利要求1所述的检测方法，其特征在于，所述获取样本图像并进行标注，具体包括：2CN114170487A权利要求书2/2页首先利用labelimg对扩充前的正样本进行人工标注，然后利用python环境下的imgaug模块对扩充的图像自动进行标注。3CN114170487A说明书1/7页一种基于视觉的水面油污检测方法技术领域[0001]本申请涉及实体识别技术领域，尤其涉及一种基于视觉的水面油污检测方法。背景技术[0002]水面油污是严重影响水体质量的重要方面，严重威胁水体中动植物的生存，污染土壤和水源，危害人体健康，必须要对油污进行实时检测，一旦检测到存在油污需要第一时间采取必要措施进行消除。除会对环境产生二次污染的四氯化碳