[发明专利]基于神经网络的油田视频智能安全事件检测方法及系统

权利要求书

1.一种基于神经网络的油田视频智能安全事件检测方法，其特征在于，包括以下步骤：

将油田视频的图像输入预先训练好的检测器中进行安全事件检测定位，获得检测结果；

所述检测器的深度神经网络模型包括：

第一级网络模型，用于输入油田视频的图片进行安全事件的一次目标检测，输出油田视频的图片中所有安全事件目标物的坐标以及一次分类信息；

第二级网络模型，用于输入预设关心安全事件目标图进行安全事件的二次目标检测，输出二次分类信息；其中，所述预设关心目标图根据第一级网络模型的输出结果裁剪获得；

根据第一级网络模型和第二级网络模型的输出结果，获得检测结果。

2.根据权利要求1所述的一种基于神经网络的油田视频智能安全事件检测方法，其特征在于，将油田视频的图像输入预先训练好的检测器之前，还包括：对油田视频的图像进行图像预处理；所述图像预处理包括：数据增强、自适应锚框计算和自适应图片缩放中的一种或多种。

3.根据权利要求1所述的一种基于神经网络的油田视频智能安全事件检测方法，其特征在于，所述预先训练好的检测器的获取步骤包括：

获取油田的安全事件视频，标注形成训练数据集；其中，所述标注形成训练数据集中的安全事件包括明火、黑烟、白烟和漏油中的一种或多种；

通过所述训练数据集训练深度神经网络模型，达到预设收敛条件，获得用于安全事件检测的训练好的检测器。

4.根据权利要求3所述的一种基于神经网络的油田视频智能安全事件检测方法，其特征在于，所述通过所述训练数据集训练深度神经网络模型，获得用于安全事件检测的训练好的检测器的步骤具体包括：

将训练数据集的标签转化为YOLO标注格式，获得转化后的YOLO标准数据集；

将转化后的YOLO标准数据集输入深度神经网络模型中进行训练，根据训练数据集中标注的目标标签和位置信息计算联合损失函数，基于联合损失函数迭代调整深度神经网络的网络参数，使用随机梯度下降方法更新网络参数，生成深度神经网络目标检测器；每迭代一个epoch进行一次测试，根据测试的性能指标选择性能最佳的模型作为训练好的检测器。

5.根据权利要求4所述的一种基于神经网络的油田视频智能安全事件检测方法，其特征在于，对训练中每个迭代，将图片送入深度神经网络模型之前都进行图片增强，包括：

对单张训练图片进行仿射变换、几何畸变、光照畸变、图像遮挡操作；

对单张训练图片进行Simple Copy-Paste操作，包括：从数据集中随机选择一张图片，将其中的目标物裁剪出来并进行预设大尺度抖动，然后将目标物粘贴到所述单张训练图片的预设任意位置；

采用Mosaic data augmentation技术，利用随机缩放、随机裁剪、随机排布的方式对随机抽取的四张图片进行组合构成一张组合后的图像送入深度神经网络模型中进行训练。

6.根据权利要求5所述的一种基于神经网络的油田视频智能安全事件检测方法，其特征在于，所述采用Mosaic data augmentation技术具体为，采用改进的Mosaic dataaugmentation技术，包括：每个epoch先把数据集随机打乱，然后按顺序抽取图片作为组合图片的第一张，后三张基于预设定概率进行选择。

7.根据权利要求1所述的一种基于神经网络的油田视频智能安全事件检测方法，其特征在于，采用Yolo网络作为第一级网络模型；采用EfficientNet网络作为第二级网络模型；其中，两级网络模型在两个进程中运行。