[发明专利]一种井下管道泄漏场景描述方法和装置

权利要求书

1.一种井下管道泄漏场景描述方法，其特征在于，包括：

步骤1、获取井下管道场景状态图像；

步骤2、将井下管道状态场景图像处理为标记图像，将标记后的图像分为训练样本和测试样本；

步骤3、使用训练样本训练图像变化描述模型；

步骤4、将测试样本输入至所述图像变化描述模型，以得到描述结果；

其中，步骤3中，所述图像变化描述模型为基于Mask-Rcnn算法并引入双重动态注意力机制的神经网络模型；

双重注意力机制作为动态检测器在l_bef和l_aft之间，形式上其为一个函数floc(X_bef，X_aft；θloc)＝(l_bef，l_aft)，该检测器以X_bef和X_aft为输入，输出特征表示l_bef和l_aft，对输入对的变化进行编码，X_bef和X_aft是一组由Resnet编码的图像特征；首先将一组特征图像(X_bef、X_aft)作为输入，对其进行做差(X_bef-X_aft)得到差异特征(X_diff)，以捕获空间中语义的差异；然后将其与特征图组(X_bef、X_aft)连接，得到两个不同的空间注意力图(a_bef、a_aft)，并且对其用激活函数激活；最后将a_bef和a_aft作为输入特征，在空间维度上进行加权和池化，实现公式如下：

X_diff＝X_aft-X_bef

X′_bef＝[X_bef；X_diff]；X′_aft＝[X_aft；X_diff]

a_bef＝σ(conv₂(ReLU(conv₁(X′_bef))))

a_aft＝σ(conv₂(ReLU(conv₁(X′_aft))))

l_bef＝∑_H，Wa_bef⊙X_bef

l_aft＝∑_H，Wa_aft⊙X_aft。

2.如权利要求1所述的井下管道泄漏场景描述方法，其特征在于，在基于Mask-Rcnn算法的神经网络模型中的ResNet-101网络由1个conv1卷积层、3个conv2_x、4个conv3_x、23个conv4_x、3个conv5_x以及1个平均池化层组成，第一层为一个步长为2的7×7的卷积，最后一层是一个全连接层；所述conv2_x、conv3_x、conv4_x、conv5_x为四种不同大小残差块，其中，

conv2_x具有3个卷积层，分别为：卷积核1*1，且数量为64，卷积核3*3，且数量为64，卷积核1*1，且数量为256；

conv3_x具有3个卷积层，分别为：卷积核1*1，且数量为128，卷积核3×3，且数量为128，卷积核1*1，且数量为512；

conv4_x具有3个卷积层，分别为：卷积核1*1，且数量为256，卷积核3*3，且数量为256，卷积核1*1，且数量为1024；

conv5_x具有3个卷积层，分别为：卷积核1*1，且数量为512，卷积核3*3，且数量为512，卷积核1*1，且数量为2048。

3.如权利要求1所述的井下管道泄漏场景描述方法，其特征在于，步骤1中，通过在井下管道前端安装静态工业摄像机用于采集井下管道日常状态视频流数据；按照预设时间间隔选取视频流数据中的关键帧并保存为图像数据。