[发明专利]基于图像的安全隐患检测方法及装置、设备及存储介质

说明书

本申请提供了一种基于图像的安全隐患检测方法及装置、设备及存储介质，包括：接收待检测图像，获取待检测图像的不同尺度的语义增强特征图，依据语义增强特征图与卷积结果特征图得到第一特征图，获取与第一特征图对应的第二特征图，将第一特征图与第二特征图进行拼接，生成用于对待检测图像进行检测的第三特征图，基于所述第三特征图输出安全隐患的检测结果。因为第一特征图依据语义增强特征图与卷积结果特征图得到，第二特征图依据对待检测图像的局部特征进行增强处理得到，所以将第一特征图与第二特征图进行拼接得到的第三特征图具有增强的语义信息和局部特征信息，所以利用第三特征图对待检测图像进行安全隐患检测可以提高检测的精度。

技术领域

本申请涉及图像处理领域，尤其涉及一种基于图像的安全隐患检测方法及装置、设备及存储介质。

背景技术

随着物联网技术的快速发展，物联网设备的智能化管理得到广泛的应用。例如在工业管理中，经常会因环境干扰(光照破损)、线路老化、异物或周边线路干扰等原因使设备不能正常运转，导致对于生产进度产生巨大的影响。

为了可以掌握设备的安全隐患性，目前通常是通过控制摄像设备拍摄得到工业设备的图像，再通过对图像获取检测结果，从而确定设备的安全可靠性。现有技术中，通常是采用卷积神经网络对工业设备的图像进行计算识别，由于在计算过程中图像的特征信息利用程度较低，或在计算过程中图像的部分特征信息被减弱，导致识别得到图像的特征不够精确，特别是对物联网设备的小零件的识别和定位精度较低，继而影响物联网设备安全隐患性检测的准确度。

发明内容

本申请提供了一种基于图像的安全隐患检测方法及装置、设备及存储介质，目的在于解决如何基于设备的图像，提高设备安全隐患的检测结果问题。

为了实现上述目的，本申请提供了以下技术方案：

一种基于图像的安全隐患检测方法，包括：

接收待检测图像；

获取所述待检测图像的不同尺度的语义增强特征图；

针对每一张所述语义增强特征图，依据所述语义增强特征图与卷积结果特征图得到第一特征图；所述卷积结果特征图为对所述待检测图像进行卷积运算得到的特征图；

获取与所述第一特征图对应的第二特征图；所述第二特征图依据对所述待检测图像的局部特征进行增强处理得到；所述第一特征图与所述第二特征图对应为：所述第二特征图的长度和宽度与所述第一特征图相同；

将所述第一特征图与第二特征图进行拼接，生成用于对所述待检测图像进行检测的第三特征图；

基于所述第三特征图输出安全隐患的检测结果。

上述的方法，可选的，所述获取所述待检测图像的不同尺度的语义增强特征图，包括：

将所述待检测图像输入预先训练的第一模型，使所述第一模型将YOLOv3模型对所述待检测图像计算的得到卷积结果按照降采样增强路径进行语义增强处理，得到不同尺度的所述语义增强特征图；其中，所述第一模型为增降采样增强路径的YOLOv3模型。

上述的方法，可选的，所述第一模型的训练样本包括第一样本图像和第二样本图像，所述第二样本图像为按照预设的像素混合比例，对所述第一样本图像进行融合处理得到的混合图像；

其中，所述第二样本图像的中标注的置信度依据两张所述第一样本图像中预先标注的置信度得到。

上述的方法，可选的，所述针对每张所述第一特征图，获取与所述第一特征图对应的第二特征图，包括：

将所述待检测图像输入预先训练的SPP模型，得到输出的特征图；所述SPP模型用于增强输出的所述特征图的局部特征；