[发明专利]一种基于深度学习分割策略的智能黑烟检测方法和系统

说明书

本发明实施例公开了一种基于深度学习分割策略的智能黑烟检测方法和系统，包括：获取实际监控视频中存在黑烟的图片样本；对图片样本中的黑烟部分进行标注，建立黑烟检测数据集，其中，黑烟检测数据集包括第一黑烟数据集和第二黑烟数据集；基于深度学习分割策略构建黑烟检测神经网络模型；利用第一黑烟数据集和第二黑烟数据集对黑烟检测神经网络模型进行训练；将待检测图片输入至训练完成的黑烟检测神经网络模型中，得到检测结果。相对于现有技术而言，本发明的技术方案在不同环境场景下都具备较高的检测精度，对黑烟的定位更精确，在计算能力较弱的移动设备当中也有能保持很好的实时性，降低了使用成本，有助于在城市环境中大规模进行普及。

技术领域

本发明涉及污染物识别技术领域，尤其涉及一种基于深度学习分割策略的智能黑烟检测方法和系统。

背景技术

对于黑烟的检测方法，从检测设备而言可分为两类：(1)基于遥感监测设备的检方法。该方法采用光谱吸收技术，当存在黑烟时，遥感设备发射的探测光穿过黑烟，经过反射返回探测单元，从而完成对黑烟中碳氢化合物、氮氧化合物等成分的检测以及不透光烟度和光吸收系数的测量。但是由于遥感检测设备造价高、检测范围相对较小，且受天气、风速影响较大。因此在室外环境中很难进行大规模普及。(2)基于监控摄像头的检测方法。该方法利用计算机视觉技术对摄像头采集到的监控视频进行处理识别，具有设备成本低、检测范围广等特点，适合在室外环境中大规模推广。

然而，就目前的常见的黑烟检测方法主要有两种：

一是非深度学习的黑烟检测方法，该方法首先通过人为的观察对黑烟的物理特征以及数学特征建立模型，经由模型提取出的特征信息再经过一定规则或者分类器对特征信息进行分类识别，从而达到检测黑烟的功能。非深度学习的黑烟检测方法受光照、天气、背景、阴影的影响较大，不具备鲁棒性，在复杂的环境中对于黑烟的检测效果较差。

二是基于深度学习的黑烟检测方法，该方法又包括基于目标检测的方法和基于图像分割的方法。基于目标检测的方法只能对于黑烟区域进行大致定位，在一些特殊情况下检测到的黑烟区域会包含较多的背景信息。基于图像分割的黑烟检测方法，能提供精确到像素点的黑烟位置信息，然而由于黑烟并不具有明显的边缘特征，在某些黑烟不明显的区域，人眼已无法准确识别，建立精确到像素点的黑烟分割数据集的人工标注工作难度大并且存在不可避免的系统误差。此外不论是基于目标检测还是基于图像分割的黑烟检测方法，其神经网络模型通常较大，需要部署在具有高运算能力的设备上运行，使得应用成本增高。

综上所述，当前现有技术存在检测效果差、人工工作量大、应用成本高的问题，亟需一种更为高效、精准的黑烟检测方法。

发明内容

有鉴于此，本发明实施例提出一种基于深度学习分割策略的智能黑烟检测方法和系统。

本发明的一实施例提出一种基于深度学习分割策略的智能黑烟检测方法，包括：

获取实际监控视频中存在黑烟的图片样本；

对所述图片样本中的黑烟部分进行标注，建立黑烟检测数据集，其中，所述黑烟检测数据集包括第一黑烟数据集和第二黑烟数据集；

基于深度学习分割策略构建黑烟检测神经网络模型；

利用所述第一黑烟数据集和所述第二黑烟数据集对所述黑烟检测神经网络模型进行训练；

将待检测图片输入至训练完成的黑烟检测神经网络模型中，得到检测结果。

进一步地，所述第一黑烟数据集为包含多个黑烟场景的基于矩形的黑烟检测数据集，所述第二黑烟数据集为包含多个黑烟场景的基于多边形的黑烟分割数据集。

进一步地，所述存在黑烟的图片样本包括，但不限于森林黑烟图片样本、船舶黑烟图片样本和汽车尾气黑烟样本。