[发明专利]一种水坝坝体异常情况的空基检测方法与装置

摘要

本发明公开了一种水坝坝体异常情况的空基检测方法与装置，属于图像处理技术领域。该装置包括无人机搭载高清摄像装置、避障器、角度传感器、速度传感器，高度传感器以及GPS定位设备。首先采集指定位置图像，通过旋转和翻转对原始图像进行变换，得到新的训练集；然后使用RPN通过滑动窗口提取特征区域，使用卷积神经网络分别训练相应的模型，并通过反卷积操作实现上采样，得到决策图和每个点的置信概率，并与设定好的阈值比较，得出检测结果是否发生异常以及异常的种类。通过交叉熵损失函数将检测结果与该点的真实值进行比较，缩小决策图的检测结果与真实结果的差值。本发明精度高、速度快、省工、省力、内容全面，实现了任意加密测次。

主权项

1.一种水坝坝体异常情况的空基检测方法，其特征在于，具体步骤如下：步骤一、无人机搭载高清摄像装置，按特定轨迹、特定高度飞行，对水坝进行巡检，采集指定位置图像；步骤二、对采集的原始图像进行预处理，通过旋转和翻转，依次对原始图像进行变换，得到新的训练集；步骤三、对新的训练集图像，使用全卷积网络RPN通过滑动窗口，对各个图像检测并提取特征区域；具体为：针对某个训练集图像，输入到全卷积网络RPN后，在最后卷积得到的特征图上使用一个小网络进行滑动扫描，这个滑动小网络每次与特征图上3*3的窗口全连接，然后映射到一个低维向量，最后将这个低维向量分别送入到两个全连接层：bbox回归层和bbox分类层从而得到各类特征区域；步骤四、对提取的每类特征区域，使用卷积神经网络分别训练相应的模型，并通过反卷积操作实现上采样，将每张特征图放大到和原图相同大小的决策图，释放特征信息，得到决策图每个点的置信概率，并与设定好的阈值比较，得出各类特征区域内该点的检测结果是否发生异常以及发生异常的种类；每个模型设定各自的阈值，当某个决策图中某个点的置信概率大于阈值时，视为该决策图发生异常；异常种类为该决策图对应的特征区域种类；步骤五、根据检测结果结合梯度下降算法，运用反向传播更新网络参数，通过交叉熵损失函数将决策图每个点的检测结果与该点的真实值进行比较，缩小决策图的检测结果与真实结果的差值；通过反向传播，计算交叉熵损失函数的梯度以及各层的输出误差，得到权重矩阵W和偏置b的梯度表达式，并用梯度下降法优化W和b，更新特征网络参数，不断优化损失函数的值，使得决策图检测结果与真实结果相差越来越小。