[发明专利]一种用于输油场站巡检机器人的油杯液位检测方法

权利要求书

1.一种用于输油场站巡检机器人的油杯液位检测方法，其特征在于，包括：

步骤S1.采用基于yolov3神经网络的无标牌检测方法从场站视频图像中获取检测油杯区域；

步骤S2.对所述检测油杯区域采用全局与局部图像亮度曲线相结合的图像预处理操作，以提高所述检测油杯区域的低灰度区域的亮度及对比度，增强图像质量，得到油杯区域图像；

步骤S3.采用以yolov3网络为基础并引入KL loss作为回归损失函数的检测神经网络，将所述油杯区域图像输入所述检测神经网络获取油杯液位及警戒线在所述油杯区域图像中的区域；

步骤S4.根据所述油杯液位及警戒线的区域位置，计算液位高度，并与预设的液位高度阈值进行对比，判断是否满足报警阈值；若满足，则进行报警；否则，视为正常。

2.根据权利要求1所述的一种用于输油场站巡检机器人的油杯液位检测方法，其特征在于，所述步骤S1包括：

步骤S11.利用历史巡检纪录中清晰的图像数据，进行检测label标注，基于所述yolov3神经网络预先训练油杯液位检测的权重模型；

步骤S12.获取云台相机采集的场站图像数据；

步骤S13.将所述场站图像数据输入所述权重模型，检测到油杯区域并判断所述油杯区域所占的像素面积大小是否满足阈值要求；若不满足要求，则对所述油杯区域进行二次放大，直至得到大小合适且清晰的油杯区域图像，并作为检测油杯区域。

3.根据权利要求1所述的一种用于输油场站巡检机器人的油杯液位检测方法，其特征在于，所述步骤S2包括：

步骤S21.获取所述检测油杯区域的亮度分布函数

进行归一化处理得到：

采用映射函数

对所述检测油杯区域进行线性增强，初步提升图像低亮度区域的像素值，其中

L表示图像亮度直方图累计达到0.1时的像素值；

步骤S22.对提升亮度的图像进行对比度增强处理

S(x,y)＝255I'_n(x,y)^E(x,y)，

其中

conv表示对图像的亮度值作卷积处理，P的大小由图像亮度的均方差决定：

步骤S23.对图像进行颜色恢复得到油杯区域图像：

为保证图像调整后没有色彩偏移，λ取值为1。

4.根据权利要求1所述的一种用于输油场站巡检机器人的油杯液位检测方法，其特征在于，在所述步骤S3中，以yolov3网络为基础，引入KL loss评估检测目标真实框与预测框之间的分布差，计算真实框与预测框之间的regression loss：

分别对x和σ进行求导，

以改善传统回归方法存在的预测框与真实框之间的损失值较大的问题。