【技术实现步骤摘要】
一种长输管道地面标识损坏检测方法、装置及电子设备
[0001]本公开属于智能识别
、
图像处理
,具体涉及一种长输管道地面标识损坏检测方法
、
装置及电子设备
。
技术介绍
[0002]施工区域巡检在许多领域均有检测需求,如检测是否存在长输管道地面标识,如建筑工地
、
野外等存在施工的区域检测,随着长输管道的普及,长输管道的安全问题越来越引人注目
。
其中,长输管道地面标识损坏是长输管道常见的安全隐患之一,在施工现场,挖掘车辆在开展挖掘工作时一旦没有注意到长输管道地面标识,将会严重危及管道的安全运行
。
传统的以人工巡检为主的巡检方式作业效率低且存在人为主观臆断误判
、
人力难以长时间监控
、
耗费人力资源等问题,且容易受到天气
、
地理环境的影响
。
技术实现思路
[0003]针对现有技术中的不足,本公开的目的在于提供一种长输管道地面标识损坏检测方法,本公开通过构建长输管道地面标识损坏检测模型,能够提供更高的检测精度,从而减少误报和漏报,同时能够减少了人工劳动力需求,进而提高检测效率
。
[0004]为实现上述目的,本公开提供以下技术方案:
[0005]一种长输管道地面标识损坏检测方法,包括以下步骤:
[0006]S100
:采集待测长输管道地面标识图像;
[0007]S200
:对图像进行预处理 ...
【技术保护点】
【技术特征摘要】
1.
一种长输管道地面标识损坏检测方法,其特征在于,所述方法包括以下步骤:
S100
:采集待测长输管道地面标识图像;
S200
:对图像进行预处理,以获得预处理后的图像;
S300
:构建长输管道地面标识损坏检测模型并训练;其中,所述模型包括主干网络
、
多尺度特征融合网络和检测头,所述主干网络包括四个层级,第一个层级包括一个图像块嵌入层和一个
FasterNet
模块,第二至第四个层级分别包括一个图像块合并层和一个
FasterNet
模块;所述多尺度特征融合网络中引入了三重注意力机制,用于模型同时捕获通道注意力
、
空间注意力和权重之间的直接关系;
S400
:将预处理后的图像输入训练好的模型中,以检测图像中的长输管道地面标识是否损坏
。2.
根据权利要求1所述的方法,其特征在于,步骤
S200
中,所述对图像进行预处理包括以下步骤:对图像的尺寸进行调整以及对图像的颜色进行调整
。3.
根据权利要求1所述的方法,其特征在于,步骤
S300
中,所述长输管道地面标识损坏检测模型通过以下步骤进行训练:
S201
:获取多张含有长输管道地面标识损坏的图像,并对图像进行标注,以获得标注好的图像数据集;
S202
:对标注好的图像数据集进行预处理,以获得预处理后的图像数据集;
S203
:将预处理后的图像数据集划分为训练集和测试集;
S204
:设置训练参数,利用训练集对模型进行训练,通过线性预测策略对模型进行训练迭代,当达到最大迭代次...
【专利技术属性】
技术研发人员:贺亮,刘云川,刘云刚,杨在道,周伟,
申请(专利权)人:重庆泓宝科技股份有限公司,
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。