一种无人机巡检场景下公路洒落物智能识别方法、系统与流程

本发明涉及无人机巡检，特别是一种无人机巡检场景下公路洒落物智能识别方法、系统。

背景技术：

1、高速公路洒落物一直以来对行驶车辆危害较大，是高速公路上的“隐形杀手”。高速公路上掉下的洒落物除了常见的货物车辆零件和由于驾驶员一时疏忽没有捆绑牢固的运载物品、货物。这些洒落物掉落在高速公路路面上，给后方行驶的车辆埋下极大的安全隐患，可能引发交通事故，严重危害了人民群众的生命财产安全。

2、应对高速公路洒落物的措施为驾驶员主动报备高速公安交警，公安交警定点出警清除洒落物，或者在公安交警执勤路管员日常高速公路巡逻时发现并清除洒落物。当前发现高速公路洒落物的方式依赖人工，处理效率低，耗费成本高。

3、目前智能识别技术已经应用在智能驾驶、城市安防、故障检测等各个领域，在高速公路散落物巡检领域，采用复合翼无人机搭载智能识别算法进行高速公路洒落物检测可有效解决人工巡检过程中效率低，成本高的问题。本文针对无人机巡检场景下目标识别任务存在目标数据量和质量不足、目标尺寸小、航拍图像覆盖范围大等问题，提出改进智能识别算法模型，使其适应于无人机高速公路洒落物巡检识别要求。

技术实现思路

1、本发明提出了一种无人机巡检场景下公路洒落物智能识别方法、系统，通过增加小目标检测层提高算法对小目标的识别能力；通过结合卷积块注意模块提高算法在大范围区域内对关注目标提取能力；通过图像增强模块降低算法对目标数据量的依赖。

2、具体技术方案如下：

3、第一方面，本发明公开一种无人机巡检场景下公路洒落物智能识别方法，所述方法包括：

4、对原始图像数据中的图像进行混合增强处理，确定混合增强数据集；

5、对所述混合增强数据集中的图像进行拼接增强处理，确定所述拼接增强数据集；

6、将所述拼接增强数据集输入进小目标检测神经网络的卷积块注意力机制模块中，并进行注意力提升处理，生成细化特征图集；所述小目标检测神经网络中设置有多层小目标特征提取层；

7、将所述细化特征图集输入进所述小目标检测神经网络中进行目标识别，实现高速公路洒落物智能识别。

8、进一步的，所述对原始图像数据中的图像进行混合增强处理，确定混合增强数据集，包括：

9、在所述原始图像数据的图像中随机选取两张图像；

10、将随机选取的两张图像按照一定比例混合生成新的混合图像；

11、预设数量的所述混合图像的集合即为所述混合增强数据集，所述混合增强数据集中包含所述原始图像数据。

12、进一步的，所述对所述混合增强数据集中的图像进行拼接增强处理，确定所述拼接增强数据集，包括：

13、将所述混合增强数据集中的混合图像进行拼接处理，生成拼接图像，每个所述拼接图像包含预设数量的混合图像；

14、对所述拼接图像中的每个所述混合图像分别进行目标框标注，进行目标标注后的所述拼接图像的集合即为所述拼接增强数据集，所述拼接增强数据集中包含原始图像数据。

15、进一步的，所述将所述拼接增强数据集输入进小目标检测神经网络的卷积块注意力机制模块中，并进行注意力提升处理，生成细化特征图集，包括：

16、将所述拼接增强数据集中的图像作为所述小目标检测神经网络的特征图，输入所述卷积块注意力机制模块中；

17、所述特征图进入所述积块注意力机制模块中的通道注意力机制中进行图像处理，生成通道注意图；

18、所述通道注意图和所述特征图进入所述积块注意力机制模块中的空间注意力机制中进行图像处理，生成细化特征图。

19、进一步的，所述小目标检测神经网络中设置有原始网络层和小目标特征提取层，在图像处理时，所述小目标提取层中的特征图与所述原始网络层的骨干网络中的特征图进行融合，以生成大尺寸特征图。

20、第二方面，本发明还提供一种无人机巡检场景下公路洒落物智能识别系统，所述系统包括：混合处理模块、拼接处理模块、细化处理模块、目标识别模块；

21、所述混合处理模块用于，对原始图像数据中的图像进行混合增强处理，确定混合增强数据集；

22、所述拼接处理模块用于，对所述混合增强数据集中的图像进行拼接增强处理，确定所述拼接增强数据集；

23、所述细化处理模块用于，将所述拼接增强数据集输入进小目标检测神经网络的卷积块注意力机制模块中，并进行注意力提升处理，生成细化特征图集；所述小目标检测神经网络中设置有多层小目标特征提取层；

24、所述目标识别模块用于，将所述细化特征图集输入进所述小目标检测神经网络中进行目标识别，实现高速公路洒落物智能识别。

25、优选的，所述混合处理模块具体用于：

26、在所述原始图像数据的图像中随机选取两张图像；

27、将随机选取的两张图像按照一定比例混合生成新的混合图像；

28、预设数量的所述混合图像的集合即为所述混合增强数据集，所述混合增强数据集中包含所述原始图像数据。

29、优选的，所述拼接处理模块具体用于：

30、将所述混合增强数据集中的混合图像进行拼接处理，生成拼接图像，每个所述拼接图像包含预设数量的混合图像；

31、对所述拼接图像中的每个所述混合图像分别进行目标框标注，进行目标标注后的所述拼接图像的集合即为所述拼接增强数据集，所述拼接增强数据集中包含原始图像数据。

32、优选的，所述细化处理模块具体用于：

33、将所述拼接增强数据集中的图像作为所述小目标检测神经网络的特征图，输入所述卷积块注意力机制模块中；

34、所述特征图进入所述积块注意力机制模块中的通道注意力机制中进行图像处理，生成通道注意图；

35、所述通道注意图和所述特征图进入所述积块注意力机制模块中的空间注意力机制中进行图像处理，生成细化特征图。

36、第三方面，本发明还提出一种电子设备，其特征在于，搭载于无人机设备，所述设备包括处理器和与所述处理器电连接的存储器，所述存储器用于存储计算机程序，所述处理器用于调用所述计算机程序以执行如下步骤：

37、对原始图像数据中的图像进行混合增强处理，确定混合增强数据集；

38、对所述混合增强数据集中的图像进行拼接增强处理，确定所述拼接增强数据集；

39、将所述拼接增强数据集输入进小目标检测神经网络的卷积块注意力机制模块中，并进行注意力提升处理，生成细化特征图集；所述小目标检测神经网络中设置有多层小目标特征提取层；

40、将所述细化特征图集输入进所述小目标检测神经网络中进行目标识别，实现高速公路洒落物智能识别。

41、本发明的有益效果如下：

42、本发明提出了一种无人机巡检场景下公路洒落物智能识别方法，包括对原始图像数据中的图像进行混合增强处理，确定混合增强数据集；对所述混合增强数据集中的图像进行拼接增强处理，确定所述拼接增强数据集；将所述拼接增强数据集输入进小目标检测神经网络的卷积块注意力机制模块中，并进行注意力提升处理，生成细化特征图集；将所述细化特征图集输入进所述小目标检测神经网络中进行目标识别，实现高速公路洒落物智能识别。通过增加小目标检测层提高算法对小目标的识别能力；通过结合卷积块注意模块提高算法在大范围区域内对关注目标提取能力；通过图像增强模块降低算法对目标数据量的依赖。解决了高速公路洒落物在航拍视角下目标数据量少、尺寸小、视野范围大等影响目标识别效果的问题。