[发明专利]一种基于深度学习的油位状态检测方法及其电子设备

权利要求书

1.一种基于深度学习的油位状态检测方法，其特征在于：包括，

S1：获取水泥产线上不同设备的油位原始图像；

S2：通过标注工具标注出原始图像中油视镜，标注框为油视镜的最小外接矩形；

S3：将标注完成后的图像数据进行水平翻转、模糊、添加不同噪声、单应变换和灰度化数据增强，与原始图像混合一起制作成油视镜检测训练数据；

S4：采用YOLO-V3目标检测网络训练油视镜的检测模型，获得油视镜的检测结果；

S5：截取并保存步骤S3中标注好的油视镜图像，以图片左上角为原点，标注出油位页面的坐标值，对保存的图像进行水平翻转、模糊、添加不同噪声和灰度化等数据增强，与原始图像混合一起制作成油位状态检测训练数据；

S6：基于步骤S5制作好的数据，修改SegNet网络最后一层网络结构，训练分割网络模型，投影分割结果，得到油位位置；

S7：结合步骤S4和步骤S6得到的结果，计算出油视镜位置和大小以及油位在油视镜中的高度百分比。

2.根据权利要求1所述的一种基于深度学习的油位状态检测方法，其特征在于：所述S1中的原始图像，通过LabelImg对采集的数据进行标注，构建训练数据集。

3.根据权利要求1所述的一种基于深度学习的油位状态检测方法，其特征在于：所述S4中，将油视镜检测训练数据集中标注文件转换成YOLO-V3格式文件，并训练YOLO-V3检测模型。

4.根据权利要求1所述的一种基于深度学习的油位状态检测方法，其特征在于：所述S5中标注完成的原始图像数据，截取出油视镜区域保存为新的图片，使用自制标注工具，标注出油位液面相对于油视镜顶部的坐标高度，构建油位状态检测数据集。

5.根据权利要求4所述的一种基于深度学习的油位状态检测方法，其特征在于：所述标注出油位液面的坐标高度为油视镜图像的上边界的值，然后以此标注点y0为中心点，在图像上生成对应的高斯分布区域为图像的标签，生成油位液面标签的公式为：

6.根据权利要求4所述的一种基于深度学习的油位状态检测方法，其特征在于：所述油位状态检测数据集，基于SegNet网络训练油位状态检测模型。

7.根据权利要求1所述的一种基于深度学习的油位状态检测方法，其特征在于：基于S4的输出结果结合S2标注框的位置和大小，输出最终油液在油视镜中的高度。

8.根据权利要求2所述的一种基于深度学习的油位状态检测方法，其特征在于：所述构建训练数据集的具体过程为：位于水泥生产设备外，安装摄像头，采集多张数据图片，使用LabelImg对采集好的图像进行标注，标注图图像中油视镜的位置和大小，标注框为油视镜的外接矩形。

9.根据权利要求8所述的一种基于深度学习的油位状态检测方法，其特征在于：采集多张数据图片为不同时间段、不同光照条件下和不同设备的条件下。

10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至9任意一项所述的方法。