[发明专利]一种基于机器视觉的翻板阀状态识别方法和系统

权利要求书

1.一种基于机器视觉的翻板阀状态识别方法，其特征在于，所述方法包括：

实时获取翻板阀监控图像，并基于训练好的阀柄分割模型生成阀柄掩膜图集；

基于所述阀柄掩膜图集，结合质心法计算当前帧翻板阀阀柄开合角度；

统计连续时间段内阀柄的开合角度变化，判定翻板阀状态是否异常；其中，所述基于所述阀柄掩膜图集，结合质心法计算当前帧翻板阀阀柄开合角度的步骤具体包括：

获取标准阀柄掩膜图，设定所述标准阀柄掩膜图中包括M张掩膜图像，并计算每张掩膜图像的前景区域的质心，设为；

分别连接每张掩膜图像的翻板阀轴心c和质心，输出M条对应的直线，设为；

基于每条直线和对应的掩膜图像，计算所有前景像素点到直线的平均距离，设为，

；

选择平均距离取值最小的直线作为阀柄直线，若取值不小于设定的距离阈值，则舍弃对应的掩膜图像；若取值小于设定的距离阈值，则以该直线的斜率计算出阀柄相对于水平线的倾斜角度，所述倾斜角度设为阀柄的开合角度；

其中，num表示掩膜图像中属于阀柄区域的前景像素点个数，表示第z个前景像素点的坐标，表示前景像素点到直线的距离。

2.根据权利要求1所述的翻板阀状态识别方法，其特征在于，执行所述方法之前还包括以下步骤：

调整并固定监控相机的视角，通过所述监控相机采集并输出待检测翻板阀的阀柄运动区域的ROI图像；

基于所述ROI图像，获取轴心c和阀柄运动区域的ROI图像的位置，分别记作和，建立并训练阀柄分割模型；

其中，所述ROI图像是RGB彩色图像，、分别表示轴心c在所述监控图像中的横、纵坐标；、分别为所述ROI图像左上角顶点的横、纵坐标，和分别表示所述ROI图像的像素宽度和高度。

3.根据权利要求2所述的翻板阀状态识别方法，其特征在于，所述阀柄分割模型包括基干网络和上采样网络；

所述阀柄分割模型的输入为所述ROI图像，尺寸定义为；

所述阀柄分割模型的输出为翻板阀阀柄的掩膜图集，尺寸定义为；

其中，和分别表示ROI图像进行尺寸缩放后的宽度和高度，、和分别表示掩膜图集的宽度、高度和通道数。

4.根据权利要求3所述的翻板阀状态识别方法，其特征在于，所述基干网络包括若干个基于Resnet-18模型的残差单元，设为

所述残差单元的输入为所述ROI图像，尺寸为，每个残差单元对应的输出为特征图，，尺寸设为。

5.根据权利要求4所述的翻板阀状态识别方法，其特征在于，所述上采样网络包括上采样单元和预测头单元Head；

所述上采样单元包括若干个，每个的输出为特征图，；所述上采样单元的每个的输入为和，且j=i；

当j=n-1时，所述的输入为；

所述预测头单元Head的输入为和，输出为翻板阀阀柄的掩膜图集。

6.根据权利要求1所述的翻板阀状态识别方法，其特征在于，所述的实时获取翻板阀监控图像，并基于训练好的阀柄分割模型生成阀柄掩膜图集的步骤具体包括：

固定所述阀柄分割模型的模型参数，预测每个所述监控图像对应的阀柄掩膜图集，尺寸设为；

统计每个所述阀柄掩膜图集中的每张阀柄掩膜图的前景区域面积，并筛选出面积大于设定阈值的阀柄掩膜图，设为标准阀柄掩膜图；

其中，每个所述阀柄掩膜图集包括张尺寸为的阀柄掩膜图；所述监控图像包括a个翻板阀阀柄，；

所述阀柄掩膜图集的第x张掩膜图为监控图像的第x个翻板阀阀柄的掩膜图像，。