申请/专利权人：江西省水利科学院;东华理工大学

申请日：2021-06-21

公开（公告）日：2021-07-20

公开（公告）号：CN113139528A

主分类号：G06K9/00(20060101)

分类号：G06K9/00(20060101);G06K9/32(20060101);G06K9/46(20060101);G06K9/62(20060101);G06N3/04(20060101);G06N3/08(20060101)

优先权：

专利状态码：有效-授权

法律状态：2021.09.07#授权;2021.08.06#实质审查的生效;2021.07.20#公开

摘要：本发明公开了基于Faster_RCNN的热红外图像堤坝险情检测方法，使用图像收集模块用于采集堤防无人机巡检取得的图像数据；使用特征提取模块将图像数据进行基本的分类和筛选，剔除无效热红外图像；利用图像处理模块对于热红外图像进行识别和标注，确定训练集与测试集；构建Faster_RCNN模型进行训练；目标检测识别模块利用训练好的Faster_RCNN模型对堤坝中的险情区域进行检测，并判断是否有险情以及确定险情的具体位置、大小及置信度。本发明修改基本Faster_RCNN模型，增强水体的颜色信息的作用，减少池化层，提升小目标检测性能。本发明相对于传统的Faster_RCNN目标检测网络，识别效率和准确率都更突出；检测速度快，能够满足无人机巡检堤坝的应用需求。

主权项：1.基于Faster_RCNN的热红外图像堤坝险情检测方法，其特征在于，步骤如下：S1、图像数据收集：使用图像收集模块用于采集堤防无人机巡检取得的图像数据，包含有险情以及无险情的热红外图像；S2、基础特征提取：使用特征提取模块将图像数据进行基本的分类和筛选，剔除无效热红外图像；S3、图像处理：利用图像处理模块对于热红外图像进行识别和标注，确定训练集与测试集；S4、Faster_RCNN训练：先将图像数据保存，然后利用卷积神经网络提取输入的热红外图像的特征，此时将保存的图像数据与卷积神经网络提取后的数据进行拟合，然后将数据通过候选区域算法生成对于渗漏检测的建议框，再将建议框与拟合后的数据相结合，构建Faster_RCNN模型并利用Faster_RCNN模型对图像数据集进行训练；S5、目标检测识别：目标检测识别模块利用训练好的Faster_RCNN模型对堤坝中的险情区域进行检测，并判断是否有险情，以及确定险情的具体位置、大小及置信度。

全文数据：

权利要求：

百度查询： 江西省水利科学院;东华理工大学 基于Faster_RCNN的无人机热红外图像堤坝险情检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD