[发明专利]一种基于视觉弱光环境的洞穴渗透缺陷识别方法

权利要求书

1.一种基于视觉弱光环境的洞穴渗透缺陷识别方法，其特征在于，具体包括以下步骤：

S1、获取无人机在视觉弱光环境下飞行过程中采集到的洞穴渗透缺陷图像以及非缺陷图像，得到原始数据集；

S2、通过数据增强算法增加所述原始数据集中缺陷样本图像的数量，得到扩充后的数据集；

S3、对所述扩充后的数据集中洞穴渗透缺陷图像进行标注，并且将经过标注后的洞穴渗透缺陷图像作为样本集；

S4、将所述经过标注后的洞穴渗透缺陷图像输入到卷积神经网络进行渗透缺陷特征的提取，得到无人机在视觉弱光环境下洞穴渗透缺陷图像对应的特征图；

S5、所述特征图输入到区域候选网络中进行训练，得到包含渗透缺陷特征的目标区域以及初始区域候选网络；

S6、采用非极大值抑制算法从所述目标区域中筛选出感兴趣区域，再将所述感兴趣区域输入到Faster RCNN网络中进行训练，得到初始Faster RCNN网络；

S7、对所述初始Faster RCNN网络和初始区域候选网络的卷积层进行共享，基于初始Faster RCNN网络对初始区域候选网络进行训练且微调超参数，得到更新后的区域候选网络，同时，对初始Faster RCNN网络的超参数进行微调，得到更新后的Faster RCNN网络，将更新后的区域候选网络和Faster RCNN网络进行组合得到统一神经网络；

S8、获取无人机在视觉弱光环境下实时采集的洞穴图像，输入至所述统一神经网络，所述统一神经网络进行识别并输出标记有渗透缺陷的洞穴图像。

2.根据权利要求1所述的一种基于视觉弱光环境的洞穴渗透缺陷识别方法，其特征在于，所述步骤S2中数据增强算法具体包括以下步骤：

S201、对所述洞穴渗透缺陷图像加入随机高斯噪声，得到有噪声干扰的样本图像；

S202、将所述有噪声干扰的样本图像旋转多种角度，得到多种旋转角度下的样本图像；

S203、构建生成式对抗网络，将所述多种旋转角度下的样本图像输入至所述生成式对抗网络，将所述生成式对抗网络输出的图片加入到原始数据集中，得到扩充后的数据集。

3.根据权利要求2所述的一种基于视觉弱光环境的洞穴渗透缺陷识别方法，其特征在于，所述生成式对抗网络包括解码器、鉴别器以及编码器。

4.根据权利要求1所述的一种基于视觉弱光环境的洞穴渗透缺陷识别方法，其特征在于，所述步骤S5中具体通过使用区域候选网络的卷积核和特征图进行卷积，得到包含渗透缺陷特征的目标区域以及初始区域候选网络。

5.根据权利要求1所述的一种基于视觉弱光环境的洞穴渗透缺陷识别方法，其特征在于，所述步骤S6中采用非极大值抑制算法从所述目标区域中筛选出感兴趣区域的过程具体包括以下步骤：

S601、计算所述洞穴渗透缺陷图像的边缘像素点的梯度值；

S602、计算所述洞穴渗透缺陷图像的梯度幅值；

S603、根据所述洞穴渗透缺陷图像的梯度值以及梯度幅值计算边缘像素点的最大梯度差；

S604、根据所述边缘像素点的最大梯度差，找到局部梯度差最大的边缘像素点；

S605、在梯度方向上，将局部梯度差最大的边缘像素点之外的其他像素点的梯度值设置为零，从而缩小目标区域的范围，得到所述感兴趣区域。

6.根据权利要求1所述的一种基于视觉弱光环境的洞穴渗透缺陷识别方法，其特征在于，所述Faster RCNN网络包含ROI池化层。