[发明专利]基于人工智能技术的毁伤区域识别与面积测量系统及方法

说明书

本发明公开了一种基于人工智能技术的毁伤区域识别与面积测量系统及方法。本发明将弹载摄像头、弹载计算机和高度计安装在弹药上，采用面积已知的先验标尺获得毁伤区域面积测量先验信息，得到像素数与高度关系函数，构建深度卷积神经网络模型；弹药在毁伤区域的上空下落的过程中，弹载摄像头实时采集毁伤区域的图像，高度计记载此时弹药所在的高度，弹载计算机实时无线传输至地面基站；图像识别语义分割模块提取出毁伤区域的轮廓，并得到毁伤区域的像素数，结合先验标尺的面积和像素数与高度关系函数，得到任意高度下的毁伤区域的面积；本发明确保毁伤信息提取的准确性和实时性，对于提高评测效率、节省时间成本有着十分重要的意义。

技术领域

本发明涉及毁伤区域图像处理领域，具体涉及一种基于人工智能技术的毁伤区域识别与面积测量系统及其方法。

背景技术

信息化技术的进步使得各类应急环境，如战场、安全事故、自然灾害的毁伤图像能够快速回传，但是毁伤的特征信息(如区域范围、面积)却较难获得。能否有效毁伤目标是衡量武器完成打击任务的最终标志，战场的决策者需要知道武器系统的毁伤效果，来判断战场目标在预定武器打击下是否达到了相应的毁伤效能，以便制定下一步的作战计划，因此毁伤评估在从战场作战中至关重要甚至很大程度上影响战争的进程和结局。此外，在安全事故和自然灾害领域，对灾害或事故造成的毁伤范围的评估是耗时且费力的，这个过程不仅延缓了救援进度，对下一步的恢复工作也相当不利。

当前毁伤评估的方法主要依靠经验以及图像回传后的人工判读，无法满足当前信息化战争或是应急环境下救援以及后续的评估工作。

发明内容

为了解决战场、安全事故现场、自然灾害现场等各类应急环境下的毁伤特征信息获取，且不影响毁伤区域识别与毁伤面积测量的功能性与可靠性，本发明提出了一种基于人工智能技术的毁伤区域识别与面积测量系统及其方法，不仅满足了在战场、安全事故及自然灾害等环境下的毁伤区域识别和毁伤面积精准测量的需求，并且突破了复杂系统的约束，使得对毁伤区域的分割和面积测量更加便捷有效，同时解决了毁伤范围随时间变化的特性及非规则形状难以测量的问题。

本发明的一个目的在于提出一种基于人工智能技术的毁伤区域识别与面积测量系统。

本发明的基于人工智能技术的毁伤区域识别与面积测量系统包括：弹载摄像头、弹载计算机、高度计和地面基站；其中，弹载摄像头、弹载计算机和高度计设置在弹药上；弹载摄像头和高度计分别连接至弹载计算机；弹载计算机通过无线通讯连接至地面基站；地面基站包括图像识别语义分割模块、先验信息模块、面积计算模块和交互界面；图像识别语义分割模块内存储有训练好的深度卷积神经网络模型；先验信息模块内存储有采用先验标尺测量得到的像素数与高度关系函数，先验标尺为面积S已知的区域；

图像识别语义分割模块采用深度学习框架构建深度卷积神经网络模型，获取多张毁伤图片，采用深度学习标注工具对毁伤图片进行毁伤区域特征信息标注，标记出毁伤区域的轮廓和面积，将标注好的毁伤图片批量生成毁伤图片训练集，训练深度卷积神经网络模型；通过对毁伤图片训练集进行数据增强，增强后的数据集成倍数扩大；通过不断调整学习参数，提高准确率并使损失函数逼近最小值，得到训练好的深度卷积神经网络模型；

装载有弹载摄像头、弹载计算机和高度计的弹药在先验标尺的上空下落的过程中，弹载摄像头采集一系列不同高度下先验标尺的图像，并传输至弹载计算机，高度计得到对应的弹药所在的一系列高度h₁、h₂、....、h_N，N为采集次数，N为自然数，并传送至弹载计算机；弹载计算机将高度以及对应的先验标尺的图像传输至地面基站；地面基站的先验信息模块得到对应高度下的先验标尺的图像所占的像素数λ₁、λ₂、…、λ_N，得到多组对应的高度和像素数；通过对多组对应的高度和像素数进行拟合，得到像素数与高度关系函数；