[发明专利]一种基于计算机视觉的粉尘溯源方法及系统有效

专利信息
申请号: 202110889685.X 申请日: 2021-08-04
公开(公告)号: CN113610893B 公开(公告)日: 2022-06-07
发明(设计)人: 邹红来 申请(专利权)人: 江苏福鱼装饰材料有限公司
主分类号: G06T7/246 分类号: G06T7/246;G06T7/269;G06T7/00
代理公司: 江苏长德知识产权代理有限公司 32478 代理人: 刘传玉
地址: 223600 江苏*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 计算机 视觉 粉尘 溯源 方法 系统
【权利要求书】:

1.一种基于计算机视觉的粉尘溯源方法,其特征在于,该方法包括如下步骤:

获取施工现场图像及对应的风速向量,根据施工现场图像得到对应的无粉尘图像和粉尘图像;

根据所述粉尘图像得到所述粉尘图像中各粉尘的灰度值和各粉尘的光流向量;

根据所述粉尘图像中各粉尘的灰度值,得到粉尘图像中各粉尘的第一置信度权重;

根据所述粉尘图像中各粉尘的光流向量与对应的风速向量之间的相似性,得到粉尘图像中各粉尘的第二置信度权重;

根据所述第一置信度权重和所述第二置信度权重,得到所述粉尘图像中各粉尘的第三置信度权重;

将粉尘图像中各粉尘沿着对应的光流方向的反方向做延长线,将延长线汇聚的位置作为粉尘源的位置;根据各粉尘源对应的所有粉尘的第三置信度权重,得到各粉尘源的置信度。

2.如权利要求1所述的一种基于计算机视觉的粉尘溯源方法,其特征在于,所述得到对应的无粉尘图像和粉尘图像的方法,包括:

构建两个Encoder-Decoder网络,所述两个Encoder-Decoder网络权值共享;

获取训练样本集,训练样本集包括多个施工现场样本图像对;

对各训练样本集进行标注;

将所述训练样本集和标注数据输入到两个Encoder-Decoder网络中,并采用重构损失函数、差异损失函数以及内容损失函数进行训练;

将施工现场图像输入到训练好的Encoder-Decoder网络中,得到施工现场图像对应的无粉尘图像和粉尘图像。

3.如权利要求2所述的一种基于计算机视觉的粉尘溯源方法,其特征在于,所述重构损失函数为:

其中,l1为重构损失函数,N为施工现场样本图像对的总数量,W为施工现场样本图像的宽度值,H为施工现场样本图像的高度值,为第n个施工现场样本图像对中其中一个施工现场样本图像,为第n个施工现场样本图像对中其中一个施工现场样本图像的无粉尘图像,为第n个施工现场图像对中其中一个施工现场样本图像的粉尘图像,为第n个施工现场样本图像对中另外一个施工现场样本图像,为第n个施工现场样本图像对中另外一个施工现场样本图像的无粉尘图像,为第n个施工现场样本图像对中另外一个施工现场样本图像的粉尘图像。

4.如权利要求3所述的一种基于计算机视觉的粉尘溯源方法,其特征在于,所述差异损失函数为:

其中,l2为差异损失函数,为第n个施工现场样本图像对中其中一个施工现场样本图像的粉尘图像的灰度值,为第n个施工现场样本图像对中另外一个施工现场样本图像的粉尘图像的灰度值。

5.如权利要求3所述的一种基于计算机视觉的粉尘溯源方法,其特征在于,所述内容损失函数为:

其中,l3为内容损失函数。

6.如权利要求1所述的一种基于计算机视觉的粉尘溯源方法,其特征在于,所述得到粉尘图像中各粉尘的第一置信度权重的方法,包括如下步骤:

根据如下公式求粉尘图像中各粉尘的第一置信度权重:

其中,β1i(xi,yi)为粉尘图像中第i个粉尘的第一置信度权重,gi(xi,yi)为粉尘图像中第i个粉尘的灰度值,xi为粉尘图像中第i个粉尘的横坐标,yi为粉尘图像中第i个粉尘的纵坐标。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于江苏福鱼装饰材料有限公司,未经江苏福鱼装饰材料有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110889685.X/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top