本技术涉及计算,尤其涉及一种灰尘检测方法、装置及存储介质。
背景技术:
1、现有技术中,灰尘检测单元大多由光电传感器对空气中的反射光度进行检测,光电传感器对环境要求较高,且精度较低,在施工过程中,不能对各个时间段的灰尘浓度进行精确的分析。对于神经网络的方法,基于编码器解码器(encoder-decoder)的变压器(transformer)时间序列预测模型得到了广泛地应用,但是,在该模型的训练过程中,随着模型深度和数据长度的增加,需要消耗大量的内存空间及计算资源,资源利用率不高。目前检测技术不仅检测成本高昂,而且不容易实现,且对检测环境有较强的依赖性,准确度差,鲁棒性差。传感器技术,也受限于施工现场的种种客观因素,在实际使用中极易产生误触发传感器信号,造成传感器错误判断。因此,如何降低资源利用率以及识别不准确是需要解决的技术问题。
技术实现思路
1、针对上述技术问题,本技术实施例提供了一种灰尘检测方法、装置及存储介质,用以降低资源消耗,提高灰尘检测的准确性。
2、第一方面,本技术实施例提供的一种灰尘检测方法,包括:
3、采集检测区域的图像,对所述图像进行预处理得到第一图像;
4、根据所述第一图像进行灰尘浓度密度识别得到第一识别结果;
5、根据所述第一图像和所述第一识别结果,进行灰尘检测。
6、所述对所述图像进行预处理得到第一图像包括:
7、合成图像,进行增强。
8、优选的,所述合成图像包括:
9、给定条件图像,将所述条件图像进行序列化;
10、将位置嵌入和令牌嵌入作为时间编码器的输入,在时间上计算同一空间索引中的所有令牌之间的自我关注,得到维度减少的令牌htmp;
11、将所述维度减少的令牌htmp重塑为空间标记hspt,作为空间解码器的输入;
12、空间解码器计算相同时间索引中所有标记之间的空间维度的自关注,对每个空间维度进行采样,最终得到空间标记h′spt;
13、执行上采样和3d卷积运算,以获得调节信号c。
14、将所述调节信号c输入所述预设的扩散模型合成图像。
15、优选的,所述进行增强包括:
16、将所有生成的视频帧图像对齐并裁剪为感兴趣的区域;
17、将裁剪的感兴趣的区域的帧编码为潜在特征;
18、用ddim正向过程调节图像特征,再利用反向过程生成编辑帧图像,并粘贴到原始帧的相应区域;
19、将获取的rgb图像转换为hsv空间;
20、提取亮度分量v并对其进行直方图均衡;
21、其中,所述直方图均衡根据以下公式进行:
22、
23、其中,mn是图像中的像素总数,l表示图像的灰度级数量,nk是灰度为rk的像素数量,nj是灰度为rj的像素数量,j是整数,k是小于l的整数,sk=t(rk)是第k级灰度的直方图均衡结果。
24、优选的,所述根据所述第一图像进行灰尘浓度密度识别得到第一识别结果包括:
25、将图像切成多个块,对每个块进行阈值设置;
26、对所述每一个块,采用平滑方法消除图像的细节;
27、将每一个块均转换为hsv颜色空间,并提取亮度分量v,将分量v映射到两个独立的一维波中;
28、在所述两个独立的一维波中搜索出局部最小值;
29、对整个图像计算不同灰尘浓度区域的密度。
30、其中,所述平滑方法来消除图像的细节包括:
31、根据以下公式进行平滑处理:
32、
33、其中,sp是平滑后图像,ip是平滑前图像,p是像素索引,dx(p)和dy(p)是像素p在x和y方向上的变化,lx(p)是捕捉整体x方向的总变化,ly(p)是捕捉整体y方向总变化,ε是一小正数,以避免被零除,λ是控制平滑度权重,s是平滑后所有图像。
34、其中,所述计算不同灰尘浓度区域的密度包括:
35、根据以下公式算不同灰尘浓度区域的密度:
36、
37、其中,其中d表示以线/英寸为单位的不同灰尘浓度区域的密度,m表示不同浓度区域之间的像素数,n是图像中区域的数量,sdpi是分辨率。
38、优选的,所述根据所述第一图像和所述第一识别结果,进行灰尘检测包括:
39、生成大小为t×nc的指示符请求矩阵,其中t表示时间帧的总数,nc表示不同内容的总数;
40、定义基于nw×nc窗口的请求矩阵r(w),其中表示长度为w的时间窗口的数量,w是两个连续更新时间之间的时间间隔;
41、通过长度为l的重叠滑动窗口分割所述请求矩阵r(w);
42、给定图像数据的请求模式xu作为vit cat架构的输入,获得的多尺度特征,结合请求内容的概率和请求模式的偏差将所述图像数据标记为超标和非超标;
43、构建检测模型;
44、根据构建的检测模型进行灰尘检测。
45、优选的,所述构建检测模型包括:
46、所述检测模型由补丁层和变压器编码器组成;
47、所述检补丁层由第一视觉变换器vit网络和第二vit网络组成;
48、所述变压器编码器由多头注意力模块和多层感知器模块组成;
49、所述第一vit网络和第二vit网络并行第一vit网络和第二vit网络与多头注意力模块连接,所述多头注意力模块与所述多层感知器模块链接;
50、所述第一vit网络用于收集时间相关性,所述第二vit网络用于捕获不同图片内容之间的相关性。
51、其中,所述第一vit网络和第二vit网络均包括:
52、所述第一vit网络和第二vit网络均为补丁网络;
53、所述第一vit网络为基于时间的补丁网络,所述第二vit网络为基于内容和时间的补丁网络。
54、优选的,本发明的灰尘检测方法,还包括:
55、采用可缩放掩蔽自动编码器对灰尘排放是否违规进行预测;
56、所述可缩放掩蔽自动编码器包括:
57、令牌化器、自适应令牌采样器、编码器和解码器。
58、优选的,所述令牌化器包括:
59、所述令牌化器对给定大小为t×c×h×w的输入图像v,标记为n个维度d的标记x;
60、其中t表示时间数量,c表示输入rgb通道,h×w表示空间分辨率,h表示高度,w表示宽度,n为维度数量,d表示维度。
61、优选的,所述编码器包括:
62、分析变换器、量化器。
63、优选的,所述解码器包括:
64、合成变换器。
65、优选的,所述自适应令牌采样器包括:
66、所述自适应令牌采样器包括多头部注意力mha网络,线性层和归一化指数函数softmax激活层;
67、所述自适应令牌采样器表示为:
68、z=mha(x);
69、p=softmax(linear(z));
70、其中,x为令牌化器产生的令牌,mha表示mha网络,linear表示线性变换,softmax表示归一化指数函数激活。
71、第二方面,本技术实施例还提供一种灰尘检测装置,包括:
72、采集模块,被配置用于采集检测区域的图像,对所述图像进行预处理得到第一图像;
73、浓度密度识别模块,被配置用于根据所述第一图像进行灰尘浓度密度识别得到第一识别结果;
74、检测模块,被配置用于根据所述第一图像和所述第一识别结果,进行灰尘检测。
75、第三方面,本技术实施例还提供一种灰尘检测装置,包括:存储器、处理器和用户接口;
76、所述存储器,用于存储计算机程序;
77、所述用户接口,用于与用户实现交互;
78、所述处理器,用于读取所述存储器中的计算机程序,所述处理器执行所述计算机程序时,实现本发明提供的灰尘检测方法。
79、第四方面,本技术实施例还提供一种处理器可读存储介质,所述处理器可读存储介质存储有计算机程序,所述处理器执行所述计算机程序时实现本发明提供的灰尘检测方法。
80、使用本发明的灰尘检测方法,通过扩散模型生成合成图像,对生成结果进行编辑和图像增强,以创建干净准确的生成结果,然后进行灰尘浓度密度识别,然后通过识别结果以及图像数据对施工场所的灰尘进行检测,最后对其灰尘排放进行分析,进行灰尘违规排放的预测。在施工现场部署扬尘传感器采集空气中pm2.5或pm10的含量,当含量达到阈值时,会向平台发送相关数据。由平台调度该传感器绑定的摄像头转向至传感器设备所在的方位,进行抓图、分析,获取相应的图像作为数据集,检测是否有违规行为。