[发明专利]一种基于视觉的水面油污检测方法

权利要求书

1.一种基于视觉的水面油污检测方法，其特征在于，包括：

获取样本图像并进行标注，所述样本图像包括原本图像和基于所述原本图像扩充的数据；

对所述样本图像进行预处理；

采用目标检测模型对处理后的样本图像进行特征提取，所述目标检测模型使用Yolov3-darknet53作为主干特征提取网络，并加入了SPP层；

根据提取的特征预测油污区域结果，保存预测模型；

根据测试精度、资源占用和推理速度对所述预测模型进行优化；

采用优化后的预测模型进行水面油污检测。

2.如权利要求1所述的检测方法，其特征在于，采用上下翻转、镜像、平移、旋转的方式对原本图像进行扩充。

3.如权利要求1所述的检测方法，其特征在于，对所述样本图像进行预处理，具体包括：

统一所述样本图像的尺寸并进行归一化处理；

随机选取四张照片使用Mosaic增强，再对Mosaic增强的图片进行Mixup增强。

4.如权利要求1所述的检测方法，其特征在于，所述目标检测模型在网络中使用残差的跳层连接，使用卷积代替池化进行降采样；所述SPP层将提取的特征传入不同感受野的池化层，并将处理后的特征拼接成一个新的特征。

5.如权利要求1所述的检测方法，其特征在于，所述根据提取的特征预测油污区域结果，具体包括：

针对检测任务，采用解耦头代替耦合头，采用三个分支分别预测位置、目标置信度与分类概率；

设定模型训练轮次阈值，模型训练完设定次数后，评估一次训练性能，根据模型评估指标规则选取最优模型。

6.如权利要求5所述的检测方法，其特征在于，根据提取的特征预测油污区域结果，还包括：

将测试样本输入至所述预测模型，对输出结果通过置信度阈值筛选，保留置信度与类别信息之积大于置信度阈值的结果；将该结果通过NMS阈值筛选去除重叠的候选区域，对每个预测框的类别置信度排序，获取最大置信度以及对应的标签作为最终油污区域检测结果。

7.如权利要求1所述的检测方法，其特征在于，根据测试精度、资源占用和推理速度对所述预测模型进行优化，具体包括：

根据测试精度、资源占用和推理速度，利用TensorRT、网络裁剪与量化技术，对优化后的预测模型进行轻量化处理。

8.根据权利要求1所述的检测方法，其特征在于，在特征提取过程中采用AnchorFree技术。

9.根据权利要求1所述的检测方法，其特征在于，使用pascalvoc或coco两种数据集标注格式进行标注。

10.根据权利要求1所述的检测方法，其特征在于，所述获取样本图像并进行标注，具体包括：

首先利用labelimg对扩充前的正样本进行人工标注，然后利用python环境下的imgaug模块对扩充的图像自动进行标注。