[发明专利]一种基于机器视觉的施工现场灰尘识别系统及其方法

权利要求书

1.一种基于机器视觉的施工现场灰尘识别系统，其特征在于：包括

信息收集系统，用于收集施工现场的图像信息；

数据计算系统，用于搭建卷积神经网络模型以及3D实景图；

其中，所述信息收集系统包括无人机以及搭载在无人机上的摄像头；所述数据计算系统包括深度学习服务器、车辆数据库、三维建模模块以及图形图像注释工具。

2.根据权利要求1所述的一种基于机器视觉的施工现场灰尘识别系统，其特征在于：所述摄像头为700线CCD摄像头。

3.根据权利要求1所述的一种基于机器视觉的施工现场灰尘识别系统，其特征在于：所述深度学习服务器为金品KG4210-G2深度学习工作站。

4.根据权利要求1所述的一种基于机器视觉的施工现场灰尘识别系统，其特征在于：所述车辆数据库按0～4分为五类车型，其中，0表示挖沟机和铲车；1表示重型卡车；2表示中型卡车和轻型卡车；3表示洒水车；4表示其他类型车辆。

5.根据权利要求1所述的一种基于机器视觉的施工现场灰尘识别系统，其特征在于：所述三维建模模块为ContextCapture三维建模模组。

6.根据权利要求1所述的一种基于机器视觉的施工现场灰尘识别系统，其特征在于：所述图形图像注释工具为LabelImg图片标注工具。

7.一种基于机器视觉的施工现场灰尘识别方法，其特征在于：包括以下步骤：

S1、在深度学习服务器中搭建卷积神经网络模型和车辆数据库；

S2、使用卷积神经网络模型训练车辆数据库，得到施工现场识别模型；

S3、使用无人机搭载摄像头从不同角度航拍施工现场，得到照片数据；

S4、使用三维建模模块对照片数据进行空三运算，制作3D实景图；

S5、使用欧氏距离算法计算出3D实景图中车辆的位置信息；

S6、使用图形图像注释工具对照片数据进行车辆标注，得到标注数据；

S7、使用卷积神经网络模型训练标注数据，得到权重文件；

S8、比较权重文件和标注数据，得到标注数据中车辆表面灰尘位置。

8.根据权利要求7所述的一种基于机器视觉的施工现场灰尘识别方法，其特征在于：所述卷积神经网络模型根据每种车型样本数量的不同，每种车型随机挑选五十张样本作为flann库索引的数据集，所述flann库选择层次k均值树方法对挑选出车型的样本数据集构建索引，并对未标注车型的样本数据集提取CNN特征；所述卷积神经网络模型选取前k个结果，根据公式：

计算待标注车型属于前k个结果的权重；所述卷积神经网络模型根据公式：

取权重最大的车型类别作为车型标注的权重文件；其中，为样本x表示前k个返回结果中属于不同车型对应的权重；表示样本x与前k个结果中第j个结果的距离；表示类别属性函数，如果样本x属于的类别，那么函数值为1，否则为0；w表示识别结果的权重；c表示识别结果的类别。