【技術實現步驟摘要】
本專利技術涉及環境監測，具體為一種基于實例分割的危廢物填埋場滲漏源檢測方法。
技術介紹
1、危險廢物填埋場作為處置危險廢物的重要設施，主要用于隔斷廢物中重金屬等有害成分向環境和人體的遷移，確保安全處置。然而，填埋場的滲漏檢測對于防止環境污染、確保設施正常運行及降低潛在安全風險至關重要。填埋場滲漏主要源于廢物填埋過程中產生的液體滲濾物，這些液體在與廢物中的有害物質反應后，可能導致滲濾液中含有有毒物質。若這些物質未經處理直接排放，將對地下水、土壤及生態系統造成嚴重危害。
2、雖然填埋場通常設有防滲層，但由于施工工藝、填埋技術及環境條件的影響，滲漏風險依然存在。因此，定期巡檢填埋場，以便及時發現滲漏源并采取治理措施，是必要的。填埋場滲漏檢測面臨多重挑戰：首先，填埋場底部距地面高度為80—90厘米，巡檢空間狹小；其次，底部缺乏電源和信號，且存在暗光環境，增加了檢測難度；最后，填埋場面積較大，且底部可能含有有害氣體。
3、現有研究中技術人員提出了一種邊界定位法用于填埋場滲漏應急檢測。該方法通過在填埋場周圍布設電極，利用信號計算獲取滲漏源的gps坐標。然而該方法容易受到其他液體的干擾，且無法有效識別裂縫造成的滲漏隱患。
4、在計算機視覺領域，圖像分割方法被認為是更精準的目標定位方式。已有研究如gao等基于u-net提出的逐像素裂紋檢測方法及liu等改進的unet模型，顯示了深度學習在裂紋檢測中的有效性。然而，針對填埋場特殊環境的滲漏源檢測方法仍需進一步探索。
5、為此本領域技術人員提出一種基于
技術實現思路
1、針對現有技術的不足，本專利技術提供了一種基于實例分割的危廢物填埋場滲漏源檢測方法，解決了上述
技術介紹
中所提出的問題。
2、為實現以上目的，本專利技術通過以下技術方案予以實現：一種基于實例分割的危廢物填埋場滲漏源檢測方法，包括以下步驟：
3、s1、使用巡檢機器人在填埋場底部進行視頻采集，所述視頻采集設備包括至少兩臺可見光相機，所述相機均配備紅外補光裝置，以適應暗光環境；
4、s2、通過所述相機采集前向與后向的畫面；
5、s3、利用yoloseg-evit網絡對采集的視頻進行實例分割處理，獲得滲漏源的掩膜標記及位置信息；
6、s4、生成包含滲漏源檢測圖像及其對應坐標信息的檢測報告。
7、優選的，所述s3步驟中yoloseg-evit網絡包括骨干網絡、頸部及檢測頭，其中：
8、所述骨干網絡采用efficientvit模型，實現輕量化特征提取，優化檢測速度及精度；
9、所述頸部用于對提取的特征進行整合與處理，所述檢測頭用于輸出滲漏源的檢測結果。
10、優選的，所述s4步驟中滲漏源包括裂縫、破損及滲漏三類，分別通過特征提取與分割算法進行分類檢測，其中裂縫為狹長條狀結構，破損為塊狀碎裂，形狀不規則，滲漏為顏色較深且擴散狀態明顯的區域。
11、優選的，所述s1步驟中形成的數據集采用segment?anything?model進行半自動標注，步驟包括：
12、a1、使用sam對待測圖像進行特征提取，并生成掩膜；
13、a2、選取與保存滲漏源的掩膜，并通過labelme工具對所述掩膜進行手動校正，以提高標注精度。
14、優選的，所述s4步驟中檢測報告包含滲漏源位置信息的坐標系統，其中，原點位置為巡檢機器人出發位置，橫縱坐標以米為單位表示距離。
15、優選的，所述s3步驟中，yoloseg-evit網絡的訓練在多個設備上進行，包括pc機和邊緣計算平臺，以實現不同環境下的有效檢測；
16、所述pc機為高性能計算平臺；
17、所述邊緣計算平臺為jetson?agx?orin，以適應資源有限的環境并實現便攜式部署。
18、優選的，所述s1步驟中巡檢機器人在填埋場的巡檢過程可實時反饋檢測結果，支持后續數據分析與決策，進一步提高填埋場滲漏源檢測的效率與準確性。
19、優選的，所述s2步驟中視頻的分辨率為1280×720像素，幀率為每秒6幀。
20、優選的，所述s1步驟中巡檢機器人配備環境傳感器，所述環境傳感器能夠實時監測填埋場的溫度、濕度及氣體濃度，并將這些環境數據與視頻采集結果進行融合，以提高滲漏源的檢測準確性和可靠性。
21、優選的，所述s4步驟中的檢測報告還包括對滲漏源的風險評估信息，利用機器學習模型對檢測到的滲漏源進行風險等級分類，以便于管理人員針對不同風險級別采取相應的處理措施。
22、本專利技術提供了一種基于實例分割的危廢物填埋場滲漏源檢測方法。具備以下有益效果：
23、1、本專利技術通過在骨干網絡中添加了輕量級多尺度注意力的圖像分割模塊efficientvit。使用本專利技術自建的數據集進行訓練時，yoloseg-evit網絡的平均準確率達到73.9％，檢測1280*720像素分辨率視頻的fps數值可以達到43.1。本專利技術將網絡部署到便攜性更好的邊緣計算平臺上，達到了70.5％的平均準確率與32.9的fps。本專利技術中的填埋場滲漏源檢測算法可以有效檢測滲漏源，具有一定的實用價值。
24、2、本專利技術通過采用輕量化實例分割網絡yoloseg-evit進行填埋場滲漏源檢測。相比于目標檢測方法，實例分割的方法可以生成滲漏源的掩膜，從而更好地了解滲漏源的幾何特征，有利于采取合適的解決措施。本專利技術的網絡的骨干網絡部分使用輕量化efficientvit模塊，有效地減少網絡參數并提升檢測效率。同時在邊緣計算平臺上實現了輕量化部署，提升了算法的適用性。
本文檔來自技高網...【技術保護點】
1.一種基于實例分割的危廢物填埋場滲漏源檢測方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種基于實例分割的危廢物填埋場滲漏源檢測方法，其特征在于，所述S3步驟中YOLOSeg-EViT網絡包括骨干網絡、頸部及檢測頭，其中：
3.根據權利要求1所述的一種基于實例分割的危廢物填埋場滲漏源檢測方法，其特征在于，所述S4步驟中滲漏源包括裂縫、破損及滲漏三類，分別通過特征提取與分割算法進行分類檢測，其中裂縫為狹長條狀結構，破損為塊狀碎裂，形狀不規則，滲漏為顏色較深且擴散狀態明顯的區域。
4.根據權利要求1所述的一種基于實例分割的危廢物填埋場滲漏源檢測方法，其特征在于，所述S1步驟中形成的數據集采用Segment?Anything?Model進行半自動標注，步驟包括：
5.根據權利要求1所述的一種基于實例分割的危廢物填埋場滲漏源檢測方法，其特征在于，所述S4步驟中檢測報告包含滲漏源位置信息的坐標系統，其中，原點位置為巡檢機器人出發位置，橫縱坐標以米為單位表示距離。
6.根據權利要求1所述的一種基于實例分割的危廢物填埋場
7.根據權利要求1所述的一種基于實例分割的危廢物填埋場滲漏源檢測方法，其特征在于，所述S1步驟中巡檢機器人在填埋場的巡檢過程可實時反饋檢測結果，支持后續數據分析與決策，進一步提高填埋場滲漏源檢測的效率與準確性。
8.根據權利要求1所述的一種基于實例分割的危廢物填埋場滲漏源檢測方法，其特征在于，所述S2步驟中視頻的分辨率為1280×720像素，幀率為每秒6幀。
9.根據權利要求1所述的一種基于實例分割的危廢物填埋場滲漏源檢測方法，其特征在于，所述S1步驟中巡檢機器人配備環境傳感器，所述環境傳感器能夠實時監測填埋場的溫度、濕度及氣體濃度，并將這些環境數據與視頻采集結果進行融合，以提高滲漏源的檢測準確性和可靠性。
10.根據權利要求1所述的一種基于實例分割的危廢物填埋場滲漏源檢測方法，其特征在于，所述S4步驟中的檢測報告還包括對滲漏源的風險評估信息，利用機器學習模型對檢測到的滲漏源進行風險等級分類，以便于管理人員針對不同風險級別采取相應的處理措施。
...【技術特征摘要】
1.一種基于實例分割的危廢物填埋場滲漏源檢測方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種基于實例分割的危廢物填埋場滲漏源檢測方法，其特征在于，所述s3步驟中yoloseg-evit網絡包括骨干網絡、頸部及檢測頭，其中：
3.根據權利要求1所述的一種基于實例分割的危廢物填埋場滲漏源檢測方法，其特征在于，所述s4步驟中滲漏源包括裂縫、破損及滲漏三類，分別通過特征提取與分割算法進行分類檢測，其中裂縫為狹長條狀結構，破損為塊狀碎裂，形狀不規則，滲漏為顏色較深且擴散狀態明顯的區域。
4.根據權利要求1所述的一種基于實例分割的危廢物填埋場滲漏源檢測方法，其特征在于，所述s1步驟中形成的數據集采用segment?anything?model進行半自動標注，步驟包括：
5.根據權利要求1所述的一種基于實例分割的危廢物填埋場滲漏源檢測方法，其特征在于，所述s4步驟中檢測報告包含滲漏源位置信息的坐標系統，其中，原點位置為巡檢機器人出發位置，橫縱坐標以米為單位表示距離。
6.根據權利要求1所述的一種基于實例分割的危廢物填埋場滲漏源檢測方法，其特征在于，所...
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。