垃圾焚烧发电厂异常垃圾检测方法及装置.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CN113947737A(43)申请公布日2022.01.18(21)申请号202111120013.9G06N3/04(2006.01)(22)申请日2021.09.24G06N3/08(2006.01)(71)申请人湖南大学地址410082湖南省长沙市岳麓区麓山南路2号(72)发明人王炼红戴文孙纪康谢冰心(74)专利代理机构成都方圆聿联专利代理事务所(普通合伙)51241代理人邓永红(51)Int.Cl.G06V20/40(2022.01)G06V10/25(2022.01)G06K9/62(2022.01)G06V10/774(2022.01)G06V10/82(2022.01)权利要求书2页说明书5页附图3页(54)发明名称垃圾焚烧发电厂异常垃圾检测方法及装置(57)摘要本发明提供一种垃圾焚烧发电厂异常垃圾检测方法及装置，获取待检测视频图像帧及异常垃圾检测模型；所述待检测视频图像帧由垃圾焚烧发电厂堆场监控视频流获得；所述异常垃圾检测模型基于YOLOv4目标检测算法框架裁剪方法进行裁剪，并采用数据增强后的异常垃圾样本数据集进行训练；将所述待检测视频图像帧输入到所述异常垃圾检测模型进行垃圾检测，获取待检测视频图像帧的检测结果；如果所述检测结果中存在异常垃圾，则获取该垃圾在当前像素坐标系下的坐标值、长宽值、类别和置信度，并发送提示信息，存储该异常垃圾对应的监控视频。本发明的垃圾异物及状态检测识别方法准确、高效，适用于垃圾堆场复杂的环境。CN113947737ACN113947737A权利要求书1/2页1.垃圾焚烧发电厂异常垃圾检测方法，其特征在于，包括以下步骤：S1：获取待检测视频图像帧及异常垃圾检测模型；所述待检测视频图像帧由垃圾焚烧发电厂堆场监控视频流获得；所述异常垃圾检测模型基于YOLOv4目标检测算法框架裁剪方法进行裁剪，并采用数据增强后的异常垃圾样本数据集进行训练；S2：将所述待检测视频图像帧输入到所述异常垃圾检测模型进行垃圾检测，获取待检测视频图像帧的检测结果；S3：如果所述检测结果中存在异常垃圾，则获取该垃圾在当前像素坐标系下的坐标值、长宽值、类别和置信度，并发送提示信息，存储该异常垃圾对应的监控视频。2.根据权利要求1所述的垃圾焚烧发电厂异常垃圾检测方法，其特征在于，S1中所述的异常垃圾样本数据集建立方法，包括以下步骤：(1)获取样本数据；获取样本数据的渠道包括：从垃圾处理现场实拍异常垃圾、抽取垃圾堆场监控视频中的关键帧、从互联网挑选下载各类异常垃圾相关图像；(2)对所述样本数据进行数据标注，获取统一数据标注格式的样本数据集；具体实现通过标注软件以统一的数据标注格式对样本数据进行标注；(3)对所述样本数据集进行数据增强处理，得到数据增强后的样本数据集。3.根据权利要求2所述的垃圾焚烧发电厂异常垃圾检测方法，其特征在于，步骤(3)中所述数据增强处理，包括采用多种数据增强运算单独或同时对样本图片进行增强；还包括将互联网上挑选的异常垃圾相关图像进行抠图处理，并与垃圾堆场实际场景融合，模仿实际异常垃圾掉落过程。4.根据权利要求1所述的垃圾焚烧发电厂异常垃圾检测方法，其特征在于，所述异常垃圾检测模型，还基于现场测试情况进行改进，从而获取改进后的异常垃圾检测模型，包括以下步骤：(a)取异常垃圾检测模型及现场误检和漏检图像帧；所述异常垃圾检测模型，采用数据增强后的样本数据集进行训练获取；(b)将所述现场误检和漏检图像帧进行数据增强处理，获取现场误检和漏检图像帧样本数据集合；(c)将所述现场误检和漏检图像帧样本数据集合输入到所述异常垃圾检测模型，获微调后的异常垃圾检测模型。5.根据权利要求4所述的垃圾焚烧发电厂异常垃圾检测方法，其特征在于，所述现场误检和漏检图像帧，即采用所述异常垃圾检测模型在实际应用过程中检测出来的误检和漏检图像帧。6.垃圾焚烧发电厂异常垃圾检测装置，其特征在于，用于权利要求1到5任一项所述的垃圾焚烧发电厂异常垃圾检测方法，包括：信息获取单元，用于获取待检测视频图像帧及异常垃圾检测模型；信息检测单元，用于将所述待检测视频图像帧输入到所述异常垃圾检测模型进行垃圾检测，获取待检测视频图像帧的检测结果；信息提示单元，用于如果所述检测结果中存在异常垃圾，则发送提示信息，并存储存储该异常垃圾对应的监控视频c。7.根据权利要求6所述的垃圾焚烧发电厂异常垃圾检测装置，其特征在于，所述信息获2CN113947737A权利要求书2/2页取单元，还用于获取卷积神经网络模型及现场误检和样本数据集；将所述样本数据集进行数据增强处理，获取数据增强后的样本数据集；将所述数据增强后的样本数据集输入到所述卷积神经网络模型，获取异常垃圾检测模型；还用于获取异常垃圾检测