[发明专利]锈斑识别方法及装置

权利要求书

1.一种锈斑识别方法，其特征在于，包括：

获取目标图像；

将所述目标图像进行预处理，生成上采样图片与下采样图片；

将所述上采样图片与所述下采样图片输入锈斑识别模型中，获取特征图；

对所述特征图进行细粒度特征识别，确定识别结果；以及

根据所述识别结果确定所述目标图像中是否存在锈斑；

其中，所述锈斑识别模型通过具有ResNet50网络结构的卷积神经网络模型训练获得。

2.如权利要求1所述的方法，其特征在于，还包括：

将目标图像的上采样图片与下采样图片输入具有ResNet50网络结构的卷积神经网络模型中，获取目标特征图；

基于ResNet50网络结构中的原始包围盒与目标检测特殊层剔除目标特征图中的低分辨率特征，生成筛选特征数据；

对所述目标特征图进行细粒度特征识别，生成细粒度特征数据；

将所述细粒度特征数据与所述筛选特征数据进行叠加处理与聚合处理，生成训练特征数据；以及

基于所述训练特征数据对原始包围盒的参数进行回归计算以确定所述锈斑识别模型。

3.如权利要求1所述的方法，其特征在于，获取目标图像包括：

确定待检测设备的设备标识；以及

基于所述设备标识获取所述目标图像、所述待检测设备的环境信息。

4.如权利要求3所述的方法，其特征在于，还包括：

在确定所述目标图像中存在锈斑时，间隔预定时间获取所述目标图像的多个更新图像及其对应的环境信息；以及

基于所述多个更新图像及其对应的环境信息进行锈斑环境分析。

5.如权利要求1所述的方法，其特征在于，将所述目标图像进行预处理，生成上采样图片与下采样图片包括：

将所述目标图像进行图像处理生成指定尺寸的目标图像；

构建图像金字塔；以及

基于所述图像金字塔分别通过上采样处理与下采样处理生成所述上采样图片与所述下采样图片。

6.如权利要求1所述的方法，其特征在于，将所述上采样图片与所述下采样图片输入锈斑识别模型中，获取特征图包括：

将所述上采样图片与所述下采样图片输入锈斑识别模型中，获取初始特征图；对所述初始特征图中的每一个像素，生成多个预定参数的原始包围盒；以及基于所述多个预定参数的原始包围盒与所述初始特征图生成所述特征图。

7.如权利要求6所述的方法，其特征在于，基于所述多个预定参数的原始包围盒与所述初始特征图生成所述特征图包括：

基于所述多个预定参数的原始包围盒与目标检测特殊层剔除低分辨率特征，生成筛选特征数据；

将所述筛选特征数据与所述初始特征进行叠加处理与聚合处理生成所述特征图。

8.如权利要求1所述的方法，其特征在于，对所述特征图进行细粒度特征识别，确定识别结果包括：

通过弱监督学习对所述特征图进行细粒度特征识别；

在细粒度特征识别过程中局部信息采用图像级的语义标注以确定识别结果。

9.如权利要求1所述的方法，其特征在于，根据所述识别结果确定所述目标图像中是否存在锈斑包括：

基于所述识别结果通过归一化指数函数确定所述目标图像中是否存在锈斑。

10.一种锈斑识别装置，其特征在于，包括：

图片模块，用于获取目标图像；

预处理模块，用于将所述目标图像进行预处理，生成上采样图片与下采样图片；

识别模块，用于将所述上采样图片与所述下采样图片输入锈斑识别模型中，获取特征图；其中，所述锈斑识别模型通过具有ResNet50网络结构的卷积神经网络模型训练获得；

结果模块，用于对所述特征图进行细粒度特征识别，确定识别结果；以及

判断模块，用于根据所述识别结果确定所述目标图像中是否存在锈斑。