[发明专利]航油管线无人化巡视方法、装置和航油安全运维系统

权利要求书

1.一种航油管线无人化巡视方法，其特征在于，该航油管线无人化巡视方法包括：

获取飞行器对航油成品油管线进行巡航的巡航图像；所述巡航图像包含关于航油成品油管线的周围场景信息，用于判断是否存在造成航油成品油管线外破的预设场景信息中的检测对象；

将所述巡航图像输入航油成品油管线的巡航场景检测模型，以输出所述航油成品油管线被巡航的场景信息是否包含造成所述航油成品油管线外破的预设场景信息，所述巡航场景检测模型是样本集训练得到的，所述样本集包括所述预设场景信息；所述预设场景信息中的检测对象的类别包括第一场景信息中的烟火、第二场景信息中的土石方工程及第三场景信息中的施工机械；

在所述航油成品油管线被巡航的场景信息包含所述预设场景信息的情况下，生成报警信息；所述报警信息用于反映所述航油成品油管线被巡航的场景信息包含预设场景信息；

向航油安全运维系统中的中心服务器发送所述报警信息。

2.如权利要求1所述的航油管线无人化巡视方法，其特征在于，采用如下方式，训练所述巡航场景检测模型：

获取原始图像样本集，其中，所述原始图像样本集包含带有造成所述航油成品油管线外破的预设场景信息；

清洗所述原始图像样本集的干扰数据，得到清洗图像样本集；

对所述清洗图像样本集中的所述第一场景信息、所述第二场景信息及所述第三场景信息，以及所述预设场景信息在所述清洗图像样本集中的位置进行标记，得到标记后的图像样本集；

根据所述标记后的图像样本集，确定训练样本集，所述训练样本集包含多个标记后的第一图像样本以及各标记后的第一图像样本的预设场景信息；

使用所述多个标记后的第一图像样本，得到已训练的巡航场景检测模型。

3.如权利要求2所述的航油管线无人化巡视方法，其特征在于，所述将所述巡航图像输入航油成品油管线的巡航场景检测模型，以输出所述航油成品油管线被巡航的场景信息是否是造成所述航油成品油管线外破的预设场景信息，包括：

将所述巡航图像输入航油成品油管线的巡航场景检测模型；

通过所述巡航场景检测模型将所述巡航图像划分为多个网格，并将所述多个网格，按照预定尺寸，生成多个锚框；在所述锚框包含检测对象的情况下，预测所述检测对象的类别，以及根据所述锚框，生成所述检测对象的预测框；从所述检测对象的预测框中，选择目标边界框，以输出目标边界框、所述检测对象的类别及所述目标边界框的检测对象的置信度。

4.如权利要求3所述的航油管线无人化巡视方法，其特征在于，所述通过所述巡航场景检测模型将所述巡航图像划分为多个网格，并将所述多个网格，按照预定尺寸，生成多个锚框；在所述锚框包含检测对象的情况下，预测所述检测对象的类别，以及根据所述锚框，生成所述检测对象的预测框；从所述检测对象的预测框中，选择目标边界框，以输出目标边界框、所述检测对象的类别及所述目标边界框的检测对象的置信度，包括：

通过所述巡航场景检测模型，对所述巡航图像进行深层特征提取，得到所述巡航图像的第一深层特征，以输出分辨率大小为第一尺寸的第一特征图，所述第一特征图包括所述巡航图像的第一深层特征；

通过所述巡航场景检测模型，对所述巡航图像进行深层特征提取，得到所述巡航图像的第二深层特征，并融合所述第一深层特征和第二深层特征，以输出分辨率大小为第二尺寸的第二特征图，所述第二特征图包括所述巡航图像的第二深层特征，且所述第二尺寸大于所述第一尺寸；

通过所述巡航场景检测模型，对所述巡航图像进行浅层特征提取，得到所述巡航图像的浅层特征，并融合所述第二深层特征和第二深层特征，以输出分辨率大小为第三尺寸的第三特征图，所述第三特征图包括所述巡航图像的浅层特征，且所述第三尺寸大于所述第二尺寸；

通过所述巡航场景检测模型的特征融合子模型，对所述第一特征图、所述第二特征图及所述第三特征图进行特征融合，对所述融合后的特征进行采样，以输出所述目标边界框、所述检测对象的类别及所述目标边界框的检测对象的置信度，所述融合后的特征图包括融合后的特征。