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。