一种具有石化场景下烟雾检测功能的模型的构建方法、石化场景烟雾检测系统
本发明涉及计算机视觉，尤其是涉及一种具有石化场景下烟雾检测功能的模型的构建方法、石化场景烟雾检测系统。
背景技术：
1、石化行业由于其生产环境的特殊性，火灾和爆炸事故的风险较高。烟雾的早期检测对于预防事故具有重要意义。传统的烟雾检测方法主要依赖物理传感器，如烟雾探测器、烟雾感应器。这些方法在开放式或大范围的石化场景中存在覆盖不全、反应滞后等问题。因此，开发一种能够实时、高效、准确识别石化场景烟雾的方法，对于提高石化行业的安全生产水平具有重要意义。集成实时目标检测模型的石化场景烟雾识别方法能够较准确地检测出石油化工园区烟雾，可以达到为消防人员提供早期预警或争取更早的处置时间的目的。
2、与本技术最为接近的一项专利为：一种集成卷积神经网络的烟雾检测方法（公开号cn110956611a），公开了一种集成卷积神经网络的烟雾检测方法，该方法通过摄像头拍摄的视频实时监测烟雾情况，并及时发出警告。解决了烟雾监测成本高、不及时、精度不够和效率不高的问题。该方法包括疑似烟雾获取模块、疑似烟雾确认模块和烟雾报警模块。
3、该专利提出的烟雾检测方法具体实施过程为：
4、1.疑似烟雾获取模块将实时获取的图像通过faster r-cnn模型检测后，获取含有疑似烟雾的图像；
5、2.疑似烟雾检测模块利用卷积神经网络对疑似烟雾图像的候选区进行检测，确定含有烟雾的图像；
6、3.烟雾报警模块对疑似烟雾确认模块处理的结果进行应答。
7、该专利的主要缺陷如下：
8、1.faster r-cnn模型以及卷积神经网络的性能很大程度上依赖于训练数据的多样性和代表性。如果训练数据集没有包含足够的烟雾种类、场景变化以及不同光照条件下的图像，那么模型在实际应用中的泛化能力可能会受到限制，导致对特定烟雾类型的检测效果不佳。
9、2.虽然该方法提高了识别效率和准确率，但复杂的卷积神经网络模型可能需要较多的计算资源，这可能导致在实时检测时处理速度受限，特别是在计算资源有限的环境中，可能无法满足快速响应的需求。
技术实现思路
1、为克服上述现有技术的不足之处，本发明提出一种具有石化场景下烟雾检测功能的模型的构建方法、石化场景烟雾检测系统。
2、一种具有石化场景下烟雾检测功能的模型的构建方法，所述方法基于rtmdet模型，其包括按照信号传输顺序顺次连接的输入层、骨干网络层、颈部层、头部层，所述方法包括改进骨干网络层的流程、改进颈部层流程；
3、改进骨干网络层的流程中，在骨干网络层增加大尺寸特征图，使所提取的特征图层为4层；
4、改进颈部层流程的流程中，在颈部层增加了上采样算子，实现特征层之间的融合，生成3层融合特征图。
5、优选的，改进骨干网络层的流程中，所增加的大尺寸特征图的尺寸为160*160*128。
6、一种石化场景烟雾检测系统，包括石化场景烟雾图片数据集、烟雾检测模块；
7、烟雾检测模块用于对接收到的石化场景图片进行烟雾检测，并输出检测结果；烟雾检测模块中采用前述模型的构建方法所构建的烟雾检测模型，所述烟雾检测模型包含有顺次连接的输入层、骨干网络层、颈部层、头部层；烟雾检测模型使用石化场景烟雾图片数据集内的数据进行预训练；
8、石化场景烟雾图片数据集存储不同颜色及形状的烟雾矢量图与不同石化园区场景图的组合图。
9、优选的，烟雾检测模块的工作流程为：
10、步骤2.1：加载预训练后的烟雾检测模型；
11、步骤2.2：将实际采集到的石化园区场景图像帧输入烟雾检测模型进行烟雾检测；
12、步骤2.3：烟雾检测模型输出检测结果。
13、优选的，步骤2.2中，烟雾检测模型进行烟雾检测的具体步骤为：
14、step 1.输入的石化场景烟雾图片经过骨干网络层提取多层特征，图像通过一个大卷积核的卷积层和一个池化层，减少特征图的尺寸，通过多层次的卷积块，形成4层不同分辨率和语义深度的特征图，按照尺寸大小降序依次为第一特征图、第二特征图、第三特征图、第四特征图；
15、step 2.颈部层接收各个特征图；
16、step 3.颈部层对最小尺寸的第四特征图利用carafe上采样算子进行上采样，使其与第三特征图在空间分辨率上匹配；将上采样后的第四特征图与第三特征图逐元素相加融合，形成第一融合特征图；
17、step 4.对第一融合特征图进行再次利用carafe上采样算子进行上采样，并与第二特征图进行相同的逐元素相加，形成第二融合特征图；
18、step 5.对第二融合特征图进行再次利用carafe上采样算子进行上采样，并与第一特征图进行相同的逐元素相加，形成第三融合特征图；
19、step 6.第一融合特征图、第二融合特征图、第三融合特征图通过卷积层进一步处理后输出；
20、step 7.头部层接收颈部层输出的多尺度特征图，进行处理后输出检测结果。
21、优选的，step7具体为：
22、step7.1：多尺度特征图通过一系列卷积层，生成每个特征点的类别预测和边界框回归值；
23、step7.2：输出预测的类别概率图和边界框回归图，并对所有预测的边界框进行后处理，去除冗余的检测结果，保留达到预定置信度的目标；
24、step7.3：头部层输出检测结果，包括目标类别、置信度分数和对应的边界框位置。
25、优选的，石化园区场景图的图片角度包括俯视、仰视、平视角度。
26、优选的，石化场景烟雾图片数据集中的图像采用labelimg工具进行数据标注，标注后的内容采用coco数据集标注格式。
27、优选的，石化场景烟雾图片数据集内的图像是烟雾矢量图与石化园区场景图组合后采用gif技术进行图像扩增而形成。
28、优选的，第一特征图尺寸为160*160*128、第二特征图尺寸为80*80*256、第三特征图尺寸为40*40*512、第四特征图尺寸为20*20*1024。
29、本发明的技术效果为：
30、1.显著提升模型的泛化能力。通过引入基于生成模型的gif图像生成技术，本发明能够生成大量具有丰富烟雾种类和形状的石化烟雾图像，从而显著增强了模型的泛化能力。这使得模型能够更好地适应不同石化场景下的烟雾检测任务，提高了识别的准确性和稳定性。
31、2.实现实时高效的烟雾检测。通过选用效果最佳的rtmdet作为基础模型，本发明解决了模型实时检测时处理速度受限的问题。这使得模型能够在保持高准确性的同时，实现快速的烟雾检测，满足了石化场景对实时性的要求。
32、3.降低数据收集成本。利用gif图像生成技术生成石化烟雾图像，不仅克服了传统方法中数据收集困难的问题，还大大降低了数据收集的成本。同时，这种方法还能够生成更加多样化和逼真的烟雾图像，有助于提升模型的训练效果。
33、4.小烟雾的识别准确率高。通过增加特征层层数和引入carafe上采样算子改进rtmdet模型，本发明提出的方法有效地增加了对石化场景下小烟雾的识别准确率。
技术特征：
1.一种具有石化场景下烟雾检测功能的模型的构建方法，所述方法基于rtmdet模型，其包括按照信号传输顺序顺次连接的输入层、骨干网络层、颈部层、头部层，其特征在于，所述方法包括改进骨干网络层的流程、改进颈部层流程；
2.如权利要求1所述的具有石化场景下烟雾检测功能的模型的构建方法，其特征在于，改进骨干网络层的流程中，所增加的大尺寸特征图的尺寸为160*160*128。
3.一种石化场景烟雾检测系统，其特征在于，包括石化场景烟雾图片数据集、烟雾检测模块；
4.如权利要求3所述的石化场景烟雾检测系统，其特征在于，烟雾检测模块的工作流程为：
5.如权利要求4所述的石化场景烟雾检测系统，其特征在于，步骤2.2中，烟雾检测模型进行烟雾检测的具体步骤为：
6.如权利要求5所述的石化场景烟雾检测系统，其特征在于，step7具体为：
7.如权利要求3所述的石化场景烟雾检测系统，其特征在于，石化园区场景图的图片角度包括俯视、仰视、平视角度。
8.如权利要求3或7所述的石化场景烟雾检测系统，其特征在于，石化场景烟雾图片数据集中的图像采用labelimg工具进行数据标注，标注后的内容采用coco数据集标注格式。
9.如权利要求3所述的石化场景烟雾检测系统，其特征在于，石化场景烟雾图片数据集内的图像是烟雾矢量图与石化园区场景图组合后采用gif技术进行图像扩增而形成。
10.如权利要求5所述的石化场景烟雾检测系统，其特征在于，第一特征图尺寸为160*160*128、第二特征图尺寸为80*80*256、第三特征图尺寸为40*40*512、第四特征图尺寸为20*20*1024。
技术总结
本发明提供了一种具有石化场景下烟雾检测功能的模型的构建方法、石化场景烟雾检测系统。所述方法基于RTMDet模型，其包括按照信号传输顺序顺次连接的输入层、骨干网络层、颈部层、头部层，所述方法包括改进骨干网络层的流程、改进颈部层流程。系统包括石化场景烟雾图片数据集、烟雾检测模块。本发明提高在石化火灾场景下的烟雾检测准确率。
技术研发人员：张殿,李傲,周孝尚,向紫城,高大勇
受保护的技术使用者：海南大学
技术研发日：
技术公布日：2024/9/23