基于残差网络和改进特征金字塔的油田作业现场目标检测算法

针对单点多盒检测器(single shot multibox detector,SSD)对小目标识别率低的问题,提出一种基于残差网络和改进特征金字塔(feature pyramid networks,FPN)的RP-SSD(residual and pyramid SSD)算法,并将其应用于油田安防领域。为了得到小物体更多的信息,首先在特征金字塔中增加上采样模块,并在上采样模块之后添加预测模块,之后采用空洞卷积增大Conv43的感受野。RP-SSD网络变深,针对RP-SSD在反向传播过程中存在梯度爆炸或梯度消失的问题,采用跳层连接的方式改进基础网络。RP-SSD在PASCAL VOC测试的准确率(meanaverage precision,mAP)为78.9%,比SSD提高了1.7%,其中对于目标较小的bottle类提高了8.9%。实验结果表明,RP-SSD对小目标检测的性能提高显著,同时RP-SSD在GTX 1080Ti上测试的速度为32帧/s,可见RP-SSD可以达到实时处理的要求。

施工现场火焰检测和预警机器人设计及应用

为预防施工现场火灾事故,提高火焰检测性能,设计基于单点多盒检测器(SSD)和MobileNet模型相结合的火焰检测和预警机器人。首先,处理采集的火焰视频图像数据集,并将其划分为真实火焰图片与疑似火焰图片2类;其次,结合迁移学习思想,微调SSD_MobileNet模型中的网络参数值;最后,将获得的检测模型集成到机器人视频监控平台,进行火焰检测与预警,并在某工地上测试其应用效果。结果表明:在检测模型50%的置信度阈值下,机器人能够准确检测出工地场景中的火焰,多帧视频准确率达到90%以上,并可实现实时预警。