[发明专利]一种基于深度学习的油液渗漏检测方法和检测装置

权利要求书

1.一种基于深度学习的油液渗漏检测方法，其特征在于，包括：

获取初始图像训练样本；所述初始图像训练样本包括被图像目标框框选的油液渗透位置；

对所述初始图像训练样本进行数据增广，得到目标训练样本；

通过初始高分辨率模型对所述目标训练样本进行采样，得到至少四个特征通道的信息特征；

融合各个所述特征通道的信息特征，以得到至少四个增强后的多尺度特征；

对所述增强后的多尺度特征进行分类损失计算和定位损失计算，分别得到所述多尺度特征的分类概率和定位损失；

根据所述分类概率、定位损失和预设的总损失计算函数，得到所述多尺度特征的损失函数；

根据所述损失函数进行模型训练，得到目标检测模型；

将待检测图像输入到所述目标检测模型，得到所述目标检测模型的预测输出结果。

2.根据权利要求1所述的基于深度学习的油液渗漏检测方法，其特征在于，所述对所述初始图像训练样本进行数据增广，得到目标训练样本的过程，包括：

获取所述图像目标框的范围内的随机点；

以所述随机点为圆心，以所述随机点到所述图像目标框的边框的最短距离为半径，生成目标圆；所述目标源用于遮挡所述油液渗透位置；

将生成所述目标圆之前所述初始图像训练样本和生成所述目标圆之后的初始图像训练样本，确定为目标训练样本。

3.根据权利要求1所述的基于深度学习的油液渗漏检测方法，其特征在于，所述获取所述图像目标框的范围内的随机点的过程，包括：

获取所述随机点的横坐标，过程如下公式：

；

其中， 为所述随机点的横坐标， 为所述图像目标框的中心点的横坐标， 为所述图像目标框的宽；

获取所述随机点的纵坐标，过程如下公式：

；

其中， 为所述随机点的纵坐标， Y为所述图像目标框的中心点的纵坐标， h为所述图像目标框的高。

4.根据权利要求1所述的基于深度学习的油液渗漏检测方法，其特征在于，所述对所述初始图像训练样本进行数据增广，得到目标训练样本的过程，包括：

对所述初始图像训练样本分别进行旋转、水平翻转和对比度调整，得到旋转后的初始图像训练样本、水平翻转后的初始图像训练样本和对比度调整后的初始图像训练样本；

将所述初始图像训练样本、旋转后的初始图像训练样本、水平翻转后的初始图像训练样本和对比度调整后的初始图像训练样本确定为目标训练样本。

5.根据权利要求1所述的基于深度学习的油液渗漏检测方法，其特征在于，所述融合各个所述特征通道的信息特征，以得到至少四个增强后的多尺度特征的过程，如下公式：

；

其中， 为所述增强后的多尺度特征， 为第 a个特征通道的信息特征， 为第b个特征通道的信息特征， n为所述特征通道的总个数。