本发明专利技术提出的一种防静电链连接识别方法、装置及可读存储介质，所述方法用目标检测和目标分割的方式进行防静电链区域的提取，模型网络采用精简的ResNet50和FPN作为主架构，模型比较轻量，便于在边缘设备的部署。在防静电链边缘提取中，采用开运算进行去噪，然后采用canny算子进行边缘检测，进而对防静电链进行判定，提高了模型的检测精度。本发明专利技术通过在网络训练时进行数据增强、分步训练的优化，网络推理时增加区域提取、区域去噪、边缘检测等手段，有效提高了检测精度和检测效率。有效提高了检测精度和检测效率。有效提高了检测精度和检测效率。
【技术实现步骤摘要】
一种防静电链连接识别方法、装置及可读存储介质
[0001]本专利技术涉及图像识别
，更具体的说是涉及一种防静电链连接识别方法、装置及可读存储介质。
技术介绍
[0002]在加油站卸油区进行卸油时，参考图1可知，需要先用防静电链连接油罐车和静电释放桩，并保持一段时间，进行油罐车静电的释放，以免造成的加油站爆炸、燃烧等，在平时卸油过程中，常因员工疏忽没有严格按照操作指导进行静电链的连接，或者连接时间达不到要求的时间而发生事故，并且油罐车进行卸油时多为傍晚、夜间或者清晨，光线很差，传统目标检测算法很难识别防静电链是否有效连接，因此亟需一种防静电链连接识别方法的算法来解决这一市场问题。
[0003]基于深度学习的目标检测算法在过去几年里受到了较为重视的研究，随着人工智能的发展以及一些基于深度卷积神经网络(Convolutional Neural Networks)网络的目标检测算法的发展，在计算机视觉领域，一些算法脱颖而出，目前通常通过目标检测算法来进行防静电链是否连接的识别，例如，经典目标检测网络SDD、RCNN、Faster RCNN、YOLO系列等。基于深度学习的检测方法在正常光照条件下已经取得了较好的效果，但是在光线昏暗时，很难进行目标检测，并且这些算法需求的算力也很高，而目前加油站检测设备多为边缘终端设备，边缘终端受算力的限制，很难将其直接部署在边缘终端设备上面。
技术实现思路
[0004]针对以上问题，本专利技术的目的在于提供一种防静电链连接识别方法、装置及可读存储介质，在网络训练时通过采用数据增强、分步训练的优化，并在网络推理时增加区域提取、区域去噪、边缘检测等手段，有效提高了检测精度和检测效率。
[0005]本专利技术为实现上述目的，通过以下技术方案实现：一种防静电链连接识别方法，包括如下步骤：
[0006]S1：接入视频流，从视频流中提取出检测区域的图片；
[0007]S2：将图片输入训练后的图目标检测和分割模型，生成图片的分割结果、目标框、目标框对应的类别和相应的得分；
[0008]S3：根据目标框获取油罐车的位置和轮廓，以判断图片中是否包括有油罐车，若是，则转到下一步，否则转到步骤S1；
[0009]S4：根据分割结果、目标框和目标框对应的类别在图片中确定分割后的油罐车和静电释放桩；
[0010]S5：根据图片中分割后的油罐车的尺寸和静电释放桩，确定静电释放桩的位置和防静电链的夹持位置，以在图片中画出目标提取区域；
[0011]S6：判断目标提取区域中是否有其他遮挡目标；若是，转到步骤S1；若否，转到下一步；
[0012]S7：对目标提取区域中的图片信息进行去噪处理；
[0013]S8：在目标提取区域中提取出防静电链的边缘信息；
[0014]S9：根据提取的边缘信息判断目标提取区域中是否有防静电链；若有，则转到步骤S11；若无，则转到步骤S10；
[0015]S10：将连接计时清零，发出未连接防静电链提示，并返回到步骤S1；
[0016]S11：查看连接计时是否开始，若未开始，则开始计时，并转到下一步；若已开始，则直接转到下一步；
[0017]S12：判断是否到达规定的连接计时时间；若否，则转到步骤S1；若是，则转到下一步；
[0018]S13：发出防静电链连接时间到达提示。
[0019]进一步，所述步骤S2包括：
[0020]S21：进行图片预处理，取出图片中的噪点，将图片大小缩放到特定尺寸；
[0021]S22：将处理后的图片输入ResNet50网络进行目标分类；
[0022]S23：将处理后的图片FPN网络，提取出特征图；
[0023]S24：将提取的特征图输入RPN网络得到图片的目标推荐区域；
[0024]S25：将得到的特征图和目标推荐区域同时输入到ROI Align网络，得到所需大小的特征图；
[0025]S26：所需大小的特征图经过分类层得到目标检测区域和目标分割区域；
[0026]S27：目标分割区域经过两次全连接层得到分割结果；
[0027]S28：目标检测区域经过全连接层，分别得到目标框、分类和得分情况。
[0028]进一步，所述步骤S4具体为：
[0029]根据检测目标区域和分割目标区域找到油罐车和静电释放桩。
[0030]进一步，所述步骤S5包括：
[0031]S51：根据图片中分割后的油罐车的尺寸，识别出油罐车的类型；
[0032]S52：根据油罐车的类型识别出防静电链的夹持位置；
[0033]S53：对静电释放桩位置进行标记；
[0034]S54：根据防静电链的夹持位置和静电释放桩位置，在图片中画出目标提取区域。
[0035]进一步，所述图目标检测和分割模型的训练过程，包括如下步骤：
[0036]S201：设置训练的数据量，并提取预设训练图片作为训练数据；
[0037]S202：进行图片预处理，取出图片中的噪点，将图片大小缩放到特定尺寸；
[0038]S203：采用Mosaic算法和MixUp算法进行图片的数据增强；
[0039]S204：将处理后的图片输入ResNet50网络进行目标分类；
[0040]S205：将处理后的图片FPN网络，提取出特征图；
[0041]S206：将提取的特征图输入RPN网络得到图片的目标推荐区域；
[0042]S207：将得到的特征图和目标推荐区域同时输入到ROI Align网络，得到所需大小的特征图；
[0043]S208：所需大小的特征图经过分类层得到目标检测区域和目标分割区域；
[0044]S209：目标分割区域经过两次全连接层得到分割结果；
[0045]S210：目标检测区域经过全连接层，分别得到目标框、分类和得分情况。
[0046]进一步，所述图目标检测和分割模型的训练方式，采用分布式训练，先用白天的图片做预训练，再训练晚上的图片，最后再将白天和晚上的图片进行混合训练。
[0047]进一步，所述将图片大小缩放到特定尺寸，具体为：
[0048]将图片缩放尺寸设置为640*640,在进行图片大小缩放过程中，不改变图片的长宽比例进行缩放，将长边缩放至640大小，将短边进行灰度填充。
[0049]进一步，所述将得到的特征图和目标推荐区域同时输入到ROI Align网络，得到所需大小的特征图，包括：
[0050]将目标框区域按输出要求的尺寸进行等分，分为4个目标块；
[0051]在目标块中取固定的4个参考点，针对每一个参考点，根据距离它最近的4个真实像素点的值加权，求得这个参考点的值；
[0052]针对每个目标块，取其4个参考点值的最大值，作为这个目标块的输出值；
[0053]根据所有目标块的输出值，生成特征图。
[0054]进一步，所述步骤S7具体为：对目标提取区本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种防静电链连接识别方法，其特征在于，包括如下步骤：S1：接入视频流，从视频流中提取出检测区域的图片；S2：将图片输入训练后的图目标检测和分割模型，生成图片的分割结果、目标框、目标框对应的类别和相应的得分；S3：根据目标框获取油罐车的位置和轮廓，以判断图片中是否包括有油罐车，若是，则转到下一步，否则转到步骤S1；S4：根据分割结果、目标框和目标框对应的类别在图片中确定分割后的油罐车和静电释放桩；S5：根据图片中分割后的油罐车的尺寸和静电释放桩，确定静电释放桩的位置和防静电链的夹持位置，以在图片中画出目标提取区域；S6：判断目标提取区域中是否有其他遮挡目标；若是，转到步骤S1；若否，转到下一步；S7：对目标提取区域中的图片信息进行去噪处理；S8：在目标提取区域中提取出防静电链的边缘信息；S9：根据提取的边缘信息判断目标提取区域中是否有防静电链；若有，则转到步骤S11；若无，则转到步骤S10；S10：将连接计时清零，发出未连接防静电链提示，并返回到步骤S1；S11：查看连接计时是否开始，若未开始，则开始计时，并转到下一步；若已开始，则直接转到下一步；S12：判断是否到达规定的连接计时时间；若否，则转到步骤S1；若是，则转到下一步；S13：发出防静电链连接时间到达提示。2.根据权利要求1所述的防静电链连接识别方法，其特征在于，所述步骤S2包括：S21：进行图片预处理，取出图片中的噪点，将图片大小缩放到特定尺寸；S22：将处理后的图片输入ResNet50网络进行目标分类；S23：将处理后的图片FPN网络，提取出特征图；S24：将提取的特征图输入RPN网络得到图片的目标推荐区域；S25：将得到的特征图和目标推荐区域同时输入到ROI Align网络，得到所需大小的特征图；S26：所需大小的特征图经过分类层得到目标检测区域和目标分割区域；S27：目标分割区域经过两次全连接层得到分割结果；S28：目标检测区域经过全连接层，分别得到目标框、分类和得分情况。3.根据权利要求2所述的防静电链连接识别方法，其特征在于，所述步骤S4具体为：根据检测目标区域和分割目标区域找到油罐车和静电释放桩。4.根据权利要求3所述的防静电链连接识别方法，其特征在于，所述步骤S5包括：S51：根据图片中分割后的油罐车的尺寸，识别出油罐车的类型；S52：根据油罐车的类型识别出防静电链的夹持位置；S53：对静电释放桩位置进行标记；S54：根据防静电链的夹持位置和静电释放桩位置，在图片...
【专利技术属性】
技术研发人员：许博，刘荣帅，
申请(专利权)人：苏州浪潮智能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。