【技术实现步骤摘要】
本专利技术涉及计算机视觉，特别是关于一种水面漂浮物检测方法、介质及电子设备。
技术介绍
1、随着经济和技术的发展，水域资源的管理和保护变得尤为重要。水面漂浮物的识别和清理，成为水资源保护的一项工作内容。
2、传统技术的水面漂浮物识别和清理，主要依靠人工巡查而进行，显然此类方法效率低，人工成本高。
3、随着机器学习技术的不断进步，许多智能模型，如神经网络模型被用于到水面漂浮物检测的场景中。
4、研究发现，现有模型在水面漂浮物的检测中，主要是单阶段的检测模型，总体具有数据集获取成本高，训练所得的模型特征提取能力和泛化能力有限，最终的识别准确率比较低的问题。
5、举例而言，现有模型的缺陷，可以但不限于体现在以下方面：
6、(1)水面漂浮物分布范围广，难以被及时发现和处理，传统的人工或机械巡查的清理方式效率低下且成本高昂。
7、(2)水面定位难度大：通常情况下，现有的水面漂浮物检测需要摄像头设备对准水面区域，并标注区域水面区域，但是在摄像头转动的情况下，水面区域难以及时通过人工区域划分矫正，对目标检测结果极易发生干扰。
8、(3)漂浮物难以界定：在实际应用场景中，通过观察发现，由于目标检测并不能准确的判定水面物体和水面上方物体的空间位置区别，因此会造成一部分误判的结果发生。
9、(4)数据集样本不均衡：目前市面上没有开源的多分类水面漂浮物数据集，分类界定模糊。
10、(5)漂浮物检测对目标泛化能力要求较高：由于水面漂浮物种类繁多，
11、(6)混淆因素较多：漂浮物及其周围环境的阴影、倒影、甚至波纹都会对检测算法造成干扰，导致误检或漏检。这些因素的存在会改变漂浮物的颜色、纹理等特征，使得算法难以准确识别。
技术实现思路
1、针对上述问题，本专利技术的目的是提供一种水面漂浮物检测方法，其可以提高训练所得的模型特征提取能力和泛化能力，提高水面漂浮物的识别准确率。
2、为实现上述目的，本专利技术采取以下技术方案：
3、第一方面，本申请提供一种水面漂浮物检测方法，所述方法包括：
4、获取需要进行水面漂浮物识别的连续图像；
5、针对连续图像中的每一帧图像，基于预先构建的第一阶段的水域划分模型进行图像中水域范围的识别和划分；
6、基于预先构建的第二阶段的目标检测模型，对每一帧图像按照时序进行预设类别物体的目标检测；
7、当第二阶段获得的目标的位置包含在第一阶段获得的水域范围内，启动预告警的计时；
8、当计时时间不低于预设阈值，则确定检测到的目标为水面漂浮物。
9、在一种实现方式中，所述连续图像通过固定式的摄像头，或移动式的图像采集装置获取；
10、所述固定式的摄像头，包括固定在预设位置的球形摄像头；
11、所述移动式的图像采集装置，通过安装有摄像头的无人机来实现。
12、在一种实现方式中，所述方法还包括水域划分模型的构建步骤，具体包括：
13、采集数据集，并标注数据集中每一样本图像的水域范围的边界；
14、基于数据集，进行预设网络架构的水域划分模型的训练，得到预设训练指标的水域划分模型。
15、在一种实现方式中，所述水域划分模型的网络架构采用yolov8。
16、在一种实现方式中，所述方法还包括目标检测模型的构建步骤。
17、在一种实现方式中，所述目标检测模型的网络架构，基于hgnet网络对yolo网络架构进行优化。
18、在一种实现方式中，基于hgnet网络对yolo网络架构进行优化，具体包括：
19、采用hgnet中的hgblock执行yolov5骨干网络中的卷积处理；以及
20、采用aifi模块替代yolov5中的sppf模块。
21、在一种实现方式中，确定第二阶段获得的目标的位置包含在第一阶段获得的水域范围内的方式，具体包括：
22、当第二阶段获得的目标的中心点坐标在第一阶段获得的水域范围的边界范围内时，则确定第二阶段获得的目标的位置包含在第一阶段获得的水域范围内。
23、第二方面，提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序运行时控制所述计算机可读存储介质所在设备执行第一方面所述的水面漂浮物检测方法。
24、第三方面，提供一种电子设备，包括处理器和存储器；所述存储器中存储有计算机程序，所述处理器运行所述计算机程序，控制所述电子设备执行第一方面所述的水面漂浮物检测方法。
25、本专利技术由于采取以上技术方案，其具有以下优点：
26、1.通过图像分割与目标检测相结合的方式，代替人工水面区域标注，可以避免图像因画面频繁变动而造成的水面区域变动，增加算法识别准确性。
27、2.通过改进yolov5的目标检测算法，增加hgblock模块和基于注意力的内部尺度特征交互模块，提高网络结构处理复杂图像数据的能力。
28、3.根据前后帧图像进行iou比对和目标告警间隔判断，可以有效过滤部分水面上方的非漂浮物移动物体，提升识别效果。
本文档来自技高网...【技术保护点】
1.一种水面漂浮物检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的水面漂浮物检测方法，其特征在于，所述连续图像通过固定式的摄像头，或移动式的图像采集装置获取；
3.根据权利要求1所述的水面漂浮物检测方法，其特征在于，所述方法还包括水域划分模型的构建步骤，具体包括：
4.根据权利要求3所述的水面漂浮物检测方法，其特征在于，所述水域划分模型的网络架构采用YOLOv8。
5.根据权利要求1所述的水面漂浮物检测方法，其特征在于，所述方法还包括目标检测模型的构建步骤。
6.根据权利要求5所述的水面漂浮物检测方法，其特征在于，所述目标检测模型的网络架构，基于HGNet网络对YOLO网络架构进行优化。
7.根据权利要求6所述的水面漂浮物检测方法，其特征在于，基于HGNet网络对YOLO网络架构进行优化，具体包括：
8.根据权利要求1所述的水面漂浮物检测方法，其特征在于，确定第二阶段获得的目标的位置包含在第一阶段获得的水域范围内的方式，具体包括：
9.一种计算机可读存储介质，其特征在于，
10.一种电子设备，其特征在于，包括处理器和存储器；所述存储器中存储有计算机程序，所述处理器运行所述计算机程序，控制所述电子设备执行权利要求1至8任一项所述的水面漂浮物检测方法。
...【技术特征摘要】
1.一种水面漂浮物检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的水面漂浮物检测方法，其特征在于，所述连续图像通过固定式的摄像头，或移动式的图像采集装置获取；
3.根据权利要求1所述的水面漂浮物检测方法，其特征在于，所述方法还包括水域划分模型的构建步骤，具体包括：
4.根据权利要求3所述的水面漂浮物检测方法，其特征在于，所述水域划分模型的网络架构采用yolov8。
5.根据权利要求1所述的水面漂浮物检测方法，其特征在于，所述方法还包括目标检测模型的构建步骤。
6.根据权利要求5所述的水面漂浮物检测方法，其特征在于，所述目标检测模型的网络架构，基于hgnet网络对yolo网络架构进行优化...
【专利技术属性】
技术研发人员：罗静，李沛然，王晓，敦建征，毛少将，周昌锋，郭宇鹏，任峰，雷庆庆，张丽，孙芯彤，
申请(专利权)人：通号通信信息集团有限公司，
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。