[发明专利]一种基于无人机的水坝周边异常监测方法与装置

摘要

本发明公开了一种基于无人机的水坝周边异常监测方法与装置，属于图像处理技术领域。该装置包括无人机无人值守前端设备、远程控制中心、通讯网络、数据处理模块、算法模块和处理中心。首先无人机搭载高清摄像装置飞行，采集指定位置图像并进行分类整理；将每类图像数据分别划分为训练集和测试集，并对训练集进行预处理，然后进行卷积神经网络的多尺度融合，得到分类结果。对每类测试集的最终分类结果，标记异常位置的特征点，再次划分训练集和测试集。对标记特征点的训练集图像进行分类模型的训练；将测试集输入分类模型中，对每个图像中各个特征点进行异常情况的定位。本发明提高了分类精度和定位精度，解决了人工巡检的方法费时费力的问题。

主权项

1.一种基于无人机的水坝周边异常监测方法，其特征在于，具体步骤如下：步骤一、无人机搭载高清摄像装置，按特定轨迹和特定高度飞行，对水坝进行巡检，采集指定位置图像，并对采集的图像按照水坝异常情况分类整理；步骤二、将分类好的每类图像数据分别划分为训练集和测试集，并对训练集进行预处理；步骤三、针对每类预处理后的训练集图像，利用VGG网络进行卷积神经网络的多尺度融合，训练分类模型并将该类的测试集输入分类模型得到分类结果；VGG网络包含十六个卷积层，十六个池化层，三个全连接层和一个softmax层；每个卷积层后面分别连接一个池化层；具体过程如下：步骤301，针对某类训练集图像，将3个不同尺度的预处理图片分别输入3个VGG网络模型，经过各自VGG网络的全部卷积层和池化层后，得到了3个统一尺寸为W*H*C的特征图；W是特征图的长，H是特征图的宽，C是通道数；步骤302，将统一尺寸为W*H*C的3个特征图使用通道拼接法进行特征融合，得到融合后的尺寸为W*H*3C的特征图；融合后的多尺度特征图F为：F＝Concatenate(F1,F2,F3)；F1,F2,F3分别是3个不同尺度的预处理图片分别输入3个VGG网络模型后得到的统一尺寸为W*H*C的特征；步骤303，将融合后的尺寸为W*H*3C的特征图使用1*1的卷积核减小通道数，变成W*H*C的特征图；步骤304，将卷积后的W*H*C的特征图送入VGG网络模型的全连接层，再通过softmax层，得到这3个预处理图片所属的一个分类结果；步骤305、返回步骤301，依次选取训练集中的3个数据进行训练得到分类结果，重复训练分类模型；步骤306、用分类模型对该类图像数据的测试集进行测试，得到测试集的最终分类结果；步骤四、对每类测试集的最终分类结果，标记异常位置的特征点；并将标记了特征点的图像再次划分训练集和测试集；步骤五、针对某类标记了特征点的训练集图像，使用去掉全连接层和softmax的VGG网络进行分类模型的训练；步骤六、将标记了特征点的测试集输入分类模型中，对每个图像中各个特征点进行异常情况的定位。