[发明专利]消防柜玻璃破损检测方法、装置、介质及设备

权利要求书

1.一种基于深度学习的消防柜玻璃破损检测方法，其特征在于，包括：

构建消防柜检测模型以及消防柜字体检测模型；

获取待检测图像，将所述待检测图像输入至所述消防柜检测模型，获取所述待检测图像中的消防柜信息；

将所述消防柜信息输入至所述消防柜字体检测模型，获取消防柜玻璃上的字体信息；

根据所述字体信息判断所述消防柜玻璃是否发生破损，生成破损信息。

2.如权利要求1所述的基于深度学习的消防柜玻璃破损检测方法，其特征在于，所述构建消防柜检测模型包括：

将深度学习YOLOv5模型的输入图片分辨率比例修改为16：9；

将深度学习YOLOv5模型的主干网络修改为轻量级神经网络SqueezeNet,剔除深度学习YOLOv5模型中的Focus结构，获得消防柜检测原始模型。

获取消防柜训练样本集，采用所述消防柜训练样本集对所述消防柜检测原始模型进行多尺度训练，得到消防柜检测模型。

3.如权利要求1所述的基于深度学习的消防柜玻璃破损检测方法，其特征在于，所述字体信息包括消防柜玻璃上存在的字体以及该字体的置信度。

4.如权利要求3所述的基于深度学习的消防柜玻璃破损检测方法，其特征在于，所述根据所述字体信息判断所述消防柜玻璃是否发生破损包括：

获取消防柜玻璃上的应有字体数量；

根据所述字体信息获取所述消防柜玻璃上的可辨识字体数量；

比对所述应有字体数量和可辨识字体数量；

若所述可辨识字体数量等于所述应有字体数量，则所述消防柜玻璃未发生破损；

若所述可辨识字体数量小于所述应有字体数量，则所述消防柜玻璃发生破损。

5.如权利要求4所述的基于深度学习的消防柜玻璃破损检测方法，其特征在于，所述根据所述字体信息获取所述消防柜玻璃上的可辨识字体数量包括：

初始化可辨识字体数量为应有字体数量；

遍历所述消防柜玻璃上存在的每一字体，将所述字体的置信度与预设的置信度阈值进行比较；

若所述字体的置信度小于预设的置信度阈值，则将所述可辨识字体数量减1。

6.如权利要求5所述的基于深度学习的消防柜玻璃破损检测方法，其特征在于，所述应有字体数量通过先验知识获得。

7.如权利要求5所述的基于深度学习的消防柜玻璃破损检测方法，其特征在于，所述预设的置信度阈值为0.7至0.8。

8.一种基于深度学习的消防柜玻璃破损检测装置，其特征在于，所述装置包括：

构建模块，用于构建消防柜检测模型以及消防柜字体检测模型；

消防柜获取模块，用于获取待检测图像，将所述待检测图像输入至所述消防柜检测模型，获取所述待检测图像中的消防柜信息；

字体获取模块，用于将所述消防柜信息输入至所述消防柜字体检测模型，获取消防柜玻璃上的字体信息；

破损判断模块，用于根据所述字体信息判断所述消防柜玻璃是否发生破损，生成破损信息。

9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的基于深度学习的消防柜玻璃破损检测方法。

10.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的基于深度学习的消防柜玻璃破损检测方法。