【技术实现步骤摘要】
所属的技术人员知道，本专利技术可以实现为系统、方法或计算机程序产品，因此，本专利技术可以具体实现为以下形式，即：可以是完全的硬件、也可以是完全的软件(包括固件、驻留软件、微代码等)，还可以是硬件和软件结合的形式，本文一般称为“电路”、“模块”或“系统”。此外，在一些实施例中，本专利技术还可以实现为在一个或多个计算机可读介质中的计算机程序产品的形式，该计算机可读介质中包含计算机可读的程序代码。可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是一一但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(ram)，只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本专利技术中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。尽管上面已经示出和描述了本专利技术的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本专利技术的限制，本领域的普通技术人员在本专利技术的范围内可以对上述实施例进行变化、修改、替换和变型。
技术介绍
1、油气管道周边智能检测技术不仅能为油气管道等能源设施的安全提供重要保障，而且相较于传统的人力巡检
2、夜间降质图像增强算法一般可以应用低光照增强技术。低光照增强是针对照明不足的图像存在的低亮度、低对比度、噪声、伪影等问题进行处理，提升视觉质量。值得一提的是，低光照增强方法有两种常见的模式，一种是直接端到端训练，另一种则包含了光照估计。
3、lore等人的方法是较早使用深度学习方法完成低光照增强任务的工作，它证明了基于合成数据训练的堆叠稀疏去噪自编码器能够对的低光照有噪声图像进行增强和去噪。shen等人认为，传统的多尺度retinex(msr)方法可以看作是有着不同高斯卷积核的前馈卷积神经网络，并进行了详细论证。接着他们在图像增强任务中引入了cnn，仿照msr的流程提出了msr-net，直接学习暗图像到亮图像的端到端映射。wei等人受retinex理论的启发提出了retinex-net，采用两阶段式的先分解后增强的步骤，引入了反射图一致性约束和光照图平滑性约束，完全使用cnn实现。mbllen方法在网络中对不同层次的特征进行了提取和融合，并使用3d卷积对网络进行了改进，有效提升了性能。chen等人的工作专注于极端低光条件和短时间曝光条件下的图像成像系统，它用卷积神经网络去完成raw图像到rgb图像的处理，实验效果非常惊艳。zhang等人提出的kind方法沿用了retinex-net的“分解-增强”的两阶段方式，网络总共分为三个模块：decomposition-net、restoration-net和adjustment-net，分别负责图像分解、反射图恢复、光照图调整。
4、综上所述，基于深度学习的目标检测算法已经相对成熟，其在智能监控领域的应用也较为广泛，但在应对夜间或低光非理想成像环境时检测效果会明显下滑。
技术实现思路
1、本专利技术所要解决的技术问题是针对现有技术的不足，具体提供了一种油气管道周边的工程机械识别方法、系统和计算机设备，具体如下：
2、1)第一方面，本专利技术提供一种油气管道周边的工程机械识别方法，具体技术方案如下：
3、构建包括夜间场景下的工程机械图像和白天场景下的工程机械图像的原始数据集，并对原始数据集中的夜间场景下的工程机械图像进行数据增强，得到目标数据集；
4、基于目标数据集，对预设深度学习模型进行训练，得到工程机械目标检测网络；
5、利用工程机械目标检测网络对油气管道周边图像进行识别。
6、本专利技术提供的一种油气管道周边的工程机械识别方法的有益效果如下：
7、对夜间场景下的工程机械图像进行数据增强，使训练得到的工程机械目标检测网络对更精准地对油气管道周边图像进行识别，提高识别效果。
8、在上述方案的基础上，本专利技术的一种油气管道周边的工程机械识别方法还可以做如下改进。
9、进一步，对原始数据集中的夜间场景下的工程机械图像进行数据增强，包括：
10、利用kind算法，对原始数据集中的夜间场景下的工程机械图像进行数据增强。
11、进一步，对原始数据集中的夜间场景下的工程机械图像进行数据增强之前，还包括：对原始数据集进行样本扩充。
12、采用上述进一步技术方案的有益效果是：为模型训练提供更充足的样本。
13、进一步，预设深度学习模型为yolov5网络。
14、2)第二方面，本专利技术还提供一种油气管道周边的工程机械识别系统，具体技术方案如下：
15、包括构建模块、数据增强模块、训练模块和识别模块；
16、构建模块用于：构建包括夜间场景下的工程机械图像和白天场景下的工程机械图像的原始数据集；
17、数据增强模块用于：对原始数据集中的夜间场景下的工程机械图像进行数据增强，得到目标数据集；
18、训练模块用于：基于目标数据集，对预设深度学习模型进行训练，得到工程机械目标检测网络；
19、识别模块用于：利用工程机械目标检测网络对油气管道周边图像进行识别。
20、在上述方案的基础上，本专利技术的一种油气管道周边的工程机械识别系统还可以做如下改进。
21、进一步，数据增强模块具体用于：利用kind算法，对原始数据集中的夜间场景下的工程机械图像进行数据增强。
22、进一步，构建模块还用于：对原始数据集进行样本扩充。
23、进一步，预设深度学习模型为yolov5网络。
24、3)第三方面，本专利技术还提供一种计算机设备，计算机设备包括处理器，处理器与存储器耦合，存储器中存储有至少一条计算机程序，至少一条计算机程序由处理器加载并执行，以使计算机设备实现上述任一项油气管道周边的工程机械识别方法。
25、4)第四方面，本专利技术还提供一种计算机可读存储介质，计算机可读存储介质中存储有至少一条计算机程序，至少一条计算机程序由处理器加载并执行，以使计算机实现上述任一项油气管道周边的工程机械识别方法。
26、需要说明的是，本专利技术本文档来自技高网...
【技术保护点】
1.一种油气管道周边的工程机械识别方法，其特征在于，包括：
2.根据权利要求1所述的一种油气管道周边的工程机械识别方法，其特征在于，对所述原始数据集中的夜间场景下的工程机械图像进行数据增强，包括：
3.根据权利要求1所述的一种油气管道周边的工程机械识别方法，其特征在于，对所述原始数据集中的夜间场景下的工程机械图像进行数据增强之前，还包括：
4.根据权利要求1至3任一项所述的一种油气管道周边的工程机械识别方法，其特征在于，所述预设深度学习模型为YOLOv5网络。
5.一种油气管道周边的工程机械识别系统，其特征在于，包括构建模块、数据增强模块、训练模块和识别模块；
6.根据权利要求5所述的一种油气管道周边的工程机械识别系统，其特征在于，所述数据增强模块具体用于：
7.根据权利要求5所述的一种油气管道周边的工程机械识别系统，其特征在于，所述构建模块还用于：对原始数据集进行样本扩充。
8.根据权利要求5至7任一项所述的一种油气管道周边的工程机械识别系统，其特征在于，所述预设深度学习模型为YOLOv5网络。
9.一种计算机设备，其特征在于，所述计算机设备包括处理器，所述处理器与存储器耦合，所述存储器中存储有至少一条计算机程序，所述至少一条计算机程序由所述处理器加载并执行，以使所述计算机设备实现如权利要求1至4任一项权利要求所述的一种油气管道周边的工程机械识别方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有至少一条计算机程序，所述至少一条计算机程序由处理器加载并执行，以使计算机实现如权利要求1至4任一项权利要求所述的一种油气管道周边的工程机械识别方法。
...【技术特征摘要】
1.一种油气管道周边的工程机械识别方法，其特征在于，包括：
2.根据权利要求1所述的一种油气管道周边的工程机械识别方法，其特征在于，对所述原始数据集中的夜间场景下的工程机械图像进行数据增强，包括：
3.根据权利要求1所述的一种油气管道周边的工程机械识别方法，其特征在于，对所述原始数据集中的夜间场景下的工程机械图像进行数据增强之前，还包括：
4.根据权利要求1至3任一项所述的一种油气管道周边的工程机械识别方法，其特征在于，所述预设深度学习模型为yolov5网络。
5.一种油气管道周边的工程机械识别系统，其特征在于，包括构建模块、数据增强模块、训练模块和识别模块；
6.根据权利要求5所述的一种油气管道周边的工程机械识别系统，其特征在于，所述数据增强模块具体用于：
7.根据权利...
【专利技术属性】
技术研发人员：严密，李洪烈，李智文，郑大海，马铁量，王多才，曹永乐，明连勋，
申请(专利权)人：国家石油天然气管网集团有限公司，
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。