[发明专利]一种基于深度神经网络的建筑物场景理解系统及方法

说明书

本发明公开了一种基于深度神经网络的建筑物场景理解系统及方法，属于环境保护措施技术领域，其包括图像采集模块、边缘计算模块和存储模块，边缘计算模块包括AI核心运算模块和网络传输模块，AI核心运算模块包括模型应用单元和soil判断单元；模型应用单元对图像采集模块采集到的图像进行判断，图像采集模块拍摄到的图像同步传输至模型应用单元，模型应用单元推理出图像中铁板、绿网、裸土、混凝土路面四种类型路面所在的位置及所占的大小并传输至soil判断单元判定是否存在裸土路面。本发明具有能够准确识别场景中的裸露土地、硬化地面、绿化地面以及防尘网覆盖地面来计算裸土覆盖率，从而实现长时间、高质量、可观的裸土覆盖率统计的效果。

技术领域

本发明环境管理及环境保护措施技术领域，特别涉及一种基于深度神经网络的建筑物场景理解系统及方法。

背景技术

在环境卫生管理及环境保护措施中，扬尘控制是重要的保护措施，在传统的扬尘管理中，环境质量传感器提供的PM10参数作为重要的扬尘指标参数，然而环境质量传感器给出的大颗粒物浓度报警时，说明此时环境质量已经下降，环境中的可吸入颗粒物已经接近或达到规定的浓度阈值，故基于环境质量传感器的环境监管与治理方式，往往导致环境保护的延时性，是环境质量变差时候的补救措施。为了从根本上减小扬尘情况，使用防尘网覆盖裸土成为了重要的扬尘抑制措施。

在防尘网覆盖裸土的保护措施中，裸土覆盖率成为了重要的环境监管指标，在传统的裸土覆盖监管中往往依靠监管人进行实地走访，主观给出裸土覆盖效果的判断。依靠人工的巡视监管会造成监管不及时、监管较为随机，难以真实及时的反应被监管场所的裸土覆盖情况，同时仅依靠人工难以做到长时间的高质量监管。

发明内容

针对现有技术存在的不足，本发明的目的在于提供一种基于深度神经网络的建筑物场景理解系统及方法，具有能够准确识别场景中的裸露土地、硬化地面、绿化地面以及防尘网覆盖地面来计算裸土覆盖率，从而实现长时间、高质量、可观的裸土覆盖率统计的效果。

一种基于深度神经网络的建筑物场景理解系统及方法，包括图像采集模块、边缘计算模块和存储模块，所述边缘计算模块包括AI核心运算模块和网络传输模块，所述图像采集模块收集到的图像通过网络传输模块上传至存储模块，所述AI核心运算模块包括模型应用单元和soil判断单元；

所述图像采集模块安装在建筑工地内并对建筑工地的地面进行拍摄，所述模型应用单元对图像采集模块采集到的图像进行判断，所述图像采集模块拍摄到的图像同步传输至模型应用单元，所述模型应用单元推理出图像中铁板、绿网、裸土、混凝土路面四种类型路面所在的位置及所占的大小并传输至soil判断单元判定是否存在裸土路面。

本发明进一步设置为：所述边缘计算模块还包括数据集制作单元、模型训练单元和精度判断单元，截取所述图像采集单元的图片，人工选取带有铁板、绿网、裸土、混凝土路面四种类型路面的图片上传至数据集制作单元；

所述数据集制作单元将选出的图片转化为数据集，所述数据集制作单元将选取出的图片制成数据集并将数据集上传至模型训练单元，所述模型训练单元对数据集进行训练并输出至模型应用单元。

本发明进一步设置为：所述模型训练单元采用目标检测深度神经网络，设置为Fast R-CNN、Faster R-CNN、Yolov3、Yolo4网络其中一种。

本发明进一步设置为：所述数据集制作单元通过计算机算法对输入图片进行尺寸修改和增强，尺寸修改和增强内容包括几何变换、随机修剪、标准化、归一化、调节亮度和对比度操作。

本发明进一步设置为：所述soil判断单元判断目标区域存在裸土路面时，显示检测后的效果图并输出裸土路面占比大小；

所述soil半段单元判断出目标区域不存在裸土路面时，显示检测后的效果图并输出符合要求字样。

本发明进一步设置为：所述图像采集模块设置为监控相机、广角相机以及红外线相机任意一种图像采集设备。