[发明专利]基于双分支推断机制的瓦斯气体智能检测方法

说明书

本申请涉及智慧开采领域下的智能检测，其具体地公开了一种基于双分支推断机制的瓦斯气体智能检测方法，其采用基于深度学习的计算机视觉技术来对输送过程中的瓦斯气体的图像进行特征提取和分类，来确定当前的瓦斯气体中的水汽含量是否适于直接输送到回收利用的装置进行回收利用。特别地，在检测过程中，采用用于推断水滴含量的第一分支和用于推断水汽含量的第二分支，其中，在用于推断水汽含量的第二分支中，采用不含水汽的瓦斯气体图像作为参考图像，从检测图像中提取前景蒙版，来作为水汽含量推断的特征依据，从而在分类过程中综合考虑瓦斯气体中水汽和水滴的影响，提高分类精度。

技术领域

本发明涉及智慧开采领域下的智能检测，且更为具体地，涉及一种基于双分支推断机制的瓦斯气体智能检测方法、基于双分支推断机制的瓦斯气体智能检测系统和电子设备。

背景技术

煤矿、金属矿的开采过程中会出现很多瓦斯气体，瓦斯气体一方面容易引发井下爆炸，极为危险，另一方面可以作为可回收能源，提高采矿过程中的能源利用效率。因此，目前在采矿过程中，越来越多地将瓦斯从采矿位置抽出，并输送至可回收利用瓦斯气体的装置。但是，因为瓦斯气体中可能含有水汽和水滴，在瓦斯气体作为可回收能源输送到回收利用的装置之前，需要确定水汽的含量，以提高瓦斯使用的安全性。

因此，期望能够提供一种瓦斯气体的智能检测的技术方案。

目前，深度学习以及神经网络已经广泛应用于计算机视觉、自然语言处理、文本信号处理等领域。此外，深度学习以及神经网络在图像分类、物体检测、语义分割、文本翻译等领域，也展现出了接近甚至超越人类的水平。

深度学习以及神经网络的发展为瓦斯气体的智能检测提供了新的解决思路和方案。

发明内容

为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种基于双分支推断机制的瓦斯气体智能检测方法、基于双分支推断机制的瓦斯气体智能检测系统和电子设备，其采用基于深度学习的计算机视觉技术来对输送过程中的瓦斯气体的图像进行特征提取和分类，来确定当前的瓦斯气体中的水汽含量是否适于直接输送到回收利用的装置进行回收利用。特别地，在检测过程中，采用用于推断水滴含量的第一分支和用于推断水汽含量的第二分支，其中，在用于推断水汽含量的第二分支中，采用不含水汽的瓦斯气体图像作为参考图像，从检测图像中提取前景蒙版，来作为水汽含量推断的特征依据，从而在分类过程中综合考虑瓦斯气体中水汽和水滴的影响，提高分类精度。

根据本申请的一个方面，提供了一种基于双分支推断机制的瓦斯气体智能检测方法，其包括：

获取待检测图像，所述待检测图像为瓦斯气体在输送过程中的图像；

将所述待检测图像通过第一卷积神经网络，以获得第一特征图；

将所述第一特征图通过多个全连接层，以获得第一特征向量，所述第一特征向量为所述瓦斯气体中的水滴含量在高维特征空间中的特征表示；

将所述待检测图像和参考图像分别通过第二卷积神经网络，以从所述待检测图像中提取出第二特征图和从所述参考图像中提取出第三特征图，其中，所述参考图像为不含水汽的瓦斯气体图像，所述第二卷积神经网络的最后一层以Sigmoid函数进行激活；

对于所述第二特征图和所述第三特征图中每个位置，计算所述第二特征图和所述第三特征图的对应位置的特征值之间的差值的绝对值并除以所述第三特征图的对应位置的特征值，以获得差分比例特征图，其中，所述差分比例特征图用于表示所述待检测图像相对于所述参考图像的前景蒙版；

将所述差分比例特征图通过多个全连接层，以获得第二特征向量，所述第二特征向量为所述瓦斯气体中的水汽含量在高维特征空间中的特征表示；以及

将所述第一特征向量和所述第二特征向量通过分类器，以获得分类结果，所述分类结果用于表示所述待检测图像中的瓦斯气体是否适于直接输送到回收利用的装置进行回收利用。