【技術實現步驟摘要】
本專利技術涉及水下閘門門槽底坎異物檢測，尤其涉及一種基于機器視覺的門槽底坎異物檢測方法。
技術介紹
1、閘門作為一種用于控制水流或液體流動的設備，在水利工程、船閘、河道管理等領域得到了廣泛應用。它由堅固耐用的金屬構件制成，能夠承受較大的水壓和流量。閘門的主要功能是調節和控制水流，常用于防洪、蓄水和灌溉等需要對水位進行調節的場合。當需要控制水位上升時，閘門打開，允許水流通過；而當需要控制水位下降時，閘門關閉，阻止水流通過。在閘門系統中，閘門槽通常位于水道或河道的底部或側壁，用于容納和支撐閘門，而閘門門槽底坎則是閘門槽底部的凹陷區域，通常呈現出橫向或縱向的凹陷形狀，其設計和構造對于閘門的運行和密封性能至關重要，通常由混凝土或金屬材料制成，具有足夠的強度和耐久性，以應對水流的壓力和閘門的重量，提供閘門的支撐和導向功能，并確保閘門的穩定性和密封性。
2、隨著我國經濟的快速發展，水利工程項目日益增多，對閘門和閘門槽的運用越來越廣泛。因此，在一些大型自動化項目中，對閘門的閘門門槽底坎的異物檢測問題也變得越來越重要。因此，需要定期檢查和維護閘門門槽底坎的平整度，以及檢測和清理可能存在的異物或堵塞物，確保閘門系統的正常運行。目前，通常采用人工的方式進行現場排查和定期檢查，但這種方式效率低下，不僅存在嚴重安全隱患，還容易受到光線不充足和水體渾濁等惡劣情況約束。
3、公開號為cn110244373a的中國專利公開了一種“門槽檢測系統和專用水下機器人”，其特征在于，該系統包括門槽檢測專用水下機器人、控制單元和起吊機構；控制單元
技術實現思路
1、針對現有技術中所存在的不足，本專利技術提供了一種基于機器視覺的水下閘門門槽底坎異物檢測方法，其目的在于解決如何在水下光線不足、水體渾濁、水流動造成異物搖動等惡劣情況下，精準檢測門槽底坎異物的難題。
2、為了解決上述存在的問題，本專利技術提出了一種基于機器視覺的門槽底坎異物檢測方法，包括如下步驟：
3、s1、獲取水下閘門的門槽底坎區域的視頻；
4、s2、以一定頻率截取閘門底坎區域的實時視頻的最后三幀，分別標記為mt-1、mt、mt+1，并采用雙邊濾波法預處理圖像；
5、s3、通過主干特征提取網絡采用輕量級網絡mobilenetv3的改進檢測模型yolov7-tiny網絡對預處理好的圖像進行異物檢測；
6、s4、判斷實時視頻的最后三幀是否有異物，若均無異物則進行其他的閘門檢測工作，若至少有一幀圖像出現異物，則回傳異物位置信息，進行后續的閘門門槽底坎清理工作。
7、優選的，所述步驟s2包括以下子步驟：
8、s2.1、掃描圖像m，m選取范圍為mt-1、mt、mt+1，獲取雙邊濾波降噪處理的每個像素的二維坐標(i,j)與二維鄰域坐標(k,l)；
9、s2.2、計算出像素點(i,j)與鄰域內某點(k,l)之間的歐式距離，再獲取圖像m中的每個像素的空間域核d(i,j,k,l)；
10、s2.3、計算出像素點(i,j)與鄰域內某點(k,l)之間的像素值差的絕對值，再獲取圖像m的每個像素的值域核r(i,j,k,l)；
11、s2.4、通過圖像m的空間域核d(i,j,k,l)、值域核r(i,j,k,l)計算出每個像素的權重系數w(i,j,k,l)；
12、s2.5、根據每個像素的權重系數w(i,j,k,l)，對圖像mt-1、mt、mt+1的每個像素做雙邊濾波處理，用雙邊濾波法處理過的像素值代替原始的像素值。
13、進一步優選的，所述步驟s3包括以下子步驟：
14、s3.1、將處理好的圖像mt-1、mt、mt+1輸入到改進檢測模型yolov7-tiny網絡，并使用基于自注意力的動態檢測頭dyhead；
15、s3.2、使用對目標位置不敏感的加權交并比損失函數wiou計算模型邊界框損失，確保模型預測邊界框更聚焦于異物目標。
16、進一步優選的，所述步驟s3.1中，mobilenetv3將尺度為df×df×n的特征圖經過n個dk×dk×1的卷積核運算后獲得m個特征，再輸入點卷積，再經過n個大小為1×1×m的卷積核運算后獲得尺度為dk×dk×1的特征。
17、進一步優選的，所述步驟s3.1中，改進檢測模型yolov7-tiny網絡包括主干特征提取網絡backbone、頸部網絡neck、檢測頭部head，輸入異物圖像input經過簡化的backbone進行特征提取后，獲得不同深度的特征圖，隨后將特征圖注入由金字塔網絡fpn和路徑聚合網絡pan組成的neck部分，實現多尺度特征融合，隨后送入head部分進行目標異物的識別與定位。
18、進一步優選的，所述步驟s3.1中，利用cbl提取輸入數據的特征，利用elan提取圖像特征和生成像素級別的分割結果，通過池化操作減小特征圖的尺寸，并通過連接操作，將不同來源或不同尺寸的特征張量連接在一起。
19、進一步優選的，所述步驟s3.1中，dyhead將注意力函數轉換為三個順序注意力，每個注意力都只關注一個特征維度，三種注意力按順序應用于檢測頭部，并可多次疊加利用。
20、進一步優選的，所述步驟s4還包括以下子步驟：
21、s4.1、判斷經過上述步驟處理過的圖像mt-1、mt、mt+1是否出現預測框pt-1、pt、pt+1；
22、s4.2、若存在pt-1、pt、pt+1中至少有一個預測框，則回傳該預測框p的左上角坐標與預測框的長度和寬，作為異物的位置信息，并進行清理；
23、s4.3、若圖像上均未出現預測框，則進行其他閘門門槽底坎的檢測工作。
24、再進一步優選的，所述步驟s4.2中，還包括以下子步驟：
25、s4.2.1、若存在pt-1、pt、pt+1中任意一個預測框，則回傳該預測框p的左上角坐標與預測框的長度和寬，作為異物的位置信息；
26、s4.2.2、若存在pt-1、pt、pt+1中任意兩個預測框或全部預測框，則回傳這些預測框互相相交的區域作為新的預測框p，回傳該預測框p左上角坐標與預測框的長度和寬，作為異物的位置信息；
27、s4.2.3、進行后續的閘門門槽底坎清理工作。
28、相比于現有技術，本專利技術具有如下有益效果：
29、使用基于自注意力的動態檢測頭dyhead，增強在渾濁水體等不同背景干擾下，模型對異物特征的表征能力。
30、利用輕量級網絡mobilenetv3，對特征圖進行卷積核運算，相較于標準3×3卷積核，這本文檔來自技高網...
【技術保護點】
1.一種基于機器視覺的門槽底坎異物檢測方法，其特征在于，包括如下步驟：
2.如權利要求1所述的一種基于機器視覺的門槽底坎異物檢測方法，其特征在于，所述步驟S2包括以下子步驟：
3.如權利要求1所述的一種基于機器視覺的門槽底坎異物檢測方法，其特征在于，所述步驟S3包括以下子步驟：
4.如權利要求3所述的一種基于機器視覺的門槽底坎異物檢測方法，其特征在于，所述步驟S3.1中，MobileNetV3將尺度為DF×DF×N的特征圖經過n個DK×DK×1的卷積核運算后獲得m個特征，再輸入點卷積，再經過N個大小為1×1×m的卷積核運算后獲得尺度為DK×DK×1的特征。
5.如權利要求4所述的一種基于機器視覺的門槽底坎異物檢測方法，其特征在于，所述步驟S3.1中，改進檢測模型YOLOv7-tiny網絡包括主干特征提取網絡Backbone、頸部網絡Neck、檢測頭部Head，輸入異物圖像input經過簡化的Backbone進行特征提取后，獲得不同深度的特征圖，隨后將特征圖注入由金字塔網絡FPN和路徑聚合網絡PAN組成的Neck部分，實現多尺度特征融
6.如權利要求5所述的一種基于機器視覺的門槽底坎異物檢測方法，其特征在于，所述步驟S3.1中，利用CBL提取輸入數據的特征，利用ELAN提取圖像特征和生成像素級別的分割結果，通過池化操作減小特征圖的尺寸，并通過連接操作，將不同來源或不同尺寸的特征張量連接在一起。
7.如權利要求3所述的一種基于機器視覺的門槽底坎異物檢測方法，其特征在于，所述步驟S3.1中，Dyhead將注意力函數轉換為三個順序注意力，每個注意力都只關注一個特征維度，三種注意力按順序應用于檢測頭部，并可多次疊加利用。
8.如權利要求6所述的一種基于機器視覺的門槽底坎異物檢測方法，其特征在于，所述步驟S4還包括以下子步驟：
9.如權利要求8所述的一種基于機器視覺的門槽底坎異物檢測方法，其特征在于：所述步驟S4.2中，還包括以下子步驟：
...【技術特征摘要】
1.一種基于機器視覺的門槽底坎異物檢測方法，其特征在于，包括如下步驟：
2.如權利要求1所述的一種基于機器視覺的門槽底坎異物檢測方法，其特征在于，所述步驟s2包括以下子步驟：
3.如權利要求1所述的一種基于機器視覺的門槽底坎異物檢測方法，其特征在于，所述步驟s3包括以下子步驟：
4.如權利要求3所述的一種基于機器視覺的門槽底坎異物檢測方法，其特征在于，所述步驟s3.1中，mobilenetv3將尺度為df×df×n的特征圖經過n個dk×dk×1的卷積核運算后獲得m個特征，再輸入點卷積，再經過n個大小為1×1×m的卷積核運算后獲得尺度為dk×dk×1的特征。
5.如權利要求4所述的一種基于機器視覺的門槽底坎異物檢測方法，其特征在于，所述步驟s3.1中，改進檢測模型yolov7-tiny網絡包括主干特征提取網絡backbone、頸部網絡neck、檢測頭部head，輸入異物圖像input經過簡化的backbone進行特征提取后，獲得不同深度的特征...
【專利技術屬性】
技術研發人員：劉艷，曹志勇，謝邦天，張艷波，鮑支虎，翁瓊芳，陳建東，
申請(專利權)人：微特技術有限公司，
類型：發明
國別省市：
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。