[发明专利]煤矿井下智能视觉终端感知方法、存储介质及电子设备

权利要求书

1.一种煤矿井下智能视觉终端感知方法，其特征在于，包括如下步骤：

构建模型网络结构空间，并利用样本数据对所述模型网络结构空间中的模型进行训练，训练后的模型集合作为待选模型的集合，所述样本数据包括监控视频图像和所述监控视频图像中的标注数据标签；

从所述待选模型的集合中选定与实际视觉感知应用硬件环境相适配的特定模型；

将实际应用监控视频图像输入至所述选定的模型网络中，根据所述选定模型网络的推理结果得到与所述实际应用监控视频图像对应的感知结果；

所述模型网络为卷积神经网络，其中：构建模型网络结构空间，并利用样本数据对所述模型网络结构空间中的模型进行训练，训练后的模型集合作为待选模型的集合的步骤包括：

定义模型网络结构样本空间：根据网络模型结构的卷积核大小集合、网络深度集合、通道数量集合以及不同视觉图像的分辨率大小集合定义网络样本空间；

初始训练最大规模的主模型网络：通过训练学习自动构建最大规模的模型网络，其卷积核大小为卷积核大小集合中的最大尺寸，网络深度为深度集合中的最大层数，通道数量为通道数量集合中的最大值_，视觉图像的分辨率大小为分辨率集合中的最大数；

子模型网络集合的自适应训练构建：从最大规模的主模型网络结构开始渐进缩减网络结构规模，基于规避各网络模型之间关联性推理原则，应穷举模型网络结构空间，完成各子模型网络的自适应训练学习，实现模型网络集合的一次性训练构建；经以上自适应迭代机器学习后，最终得到适合多样化硬件平台感知的模型网络集合，以适配不同的硬件系统部署。

2.根据权利要求1所述的煤矿井下智能视觉终端感知方法，其特征在于：

模型网络集合中各子模型网络的自适应训练构建步骤中，所述主模型网络与所述子模型网络之间的权重共享。

3.根据权利要求1或2所述的煤矿井下智能视觉终端感知方法，其特征在于，还包括：

模型网络终端预部署阶段，通过预先完成训练的预测导向器从模型网络集合中最优化匹配选择所述特定模型，并将所述特定模型导入实际视觉智能感知应用所在的终端平台。

4.一种存储介质，其特征在于，所述存储介质中存储有程序信息，计算机读取所述程序信息后执行权利要求1-3任一项所述的煤矿井下智能视觉终端感知方法。

5.一种电子设备，其特征在于，包括至少一个处理器和至少一个存储器，至少一个所述存储器中存储有程序信息，至少一个所述处理器读取所述程序信息后执行权利要求1-3任一项所述的煤矿井下智能视觉终端感知方法。