买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：金钱猫科技股份有限公司

摘要：本发明涉及神经网络模型应用技术领域，特别涉及一种基于神经网络模型的锈斑面积扩大的监测方法与系统，获取待检测图像和基准图像，所述基准图像为所述待检测图像拍摄区域初始状态的图像；基于神经网络模型对所述待检测图像和所述基准图像进行分析，确定存在变化的所述待检测图像为目标图像，并在所述目标图像上标记有变化区域；根据所述变化区域对所述目标图像进行图像提取，得到目标区域图像；基于分类模型对所述目标区域图像进行分类，判断是否为锈蚀区域；本发明通过高清摄像头进对重要区域锈斑面积扩大趋势进行监测，不仅识别的精度较高，而且能够不间断地进行监控，不需要换岗换班，也避免人工疏忽，且成本较低。

主权项：1.一种基于神经网络模型的锈斑面积扩大的监测方法，其特征在于，包括步骤：S1、获取待检测图像和基准图像，所述基准图像为所述待检测图像拍摄区域初始状态的图像；S2、基于神经网络模型对所述待检测图像和所述基准图像进行分析，确定存在变化的所述待检测图像为目标图像，并在所述目标图像上标记有变化区域；所述步骤S2包括步骤：S21、预先采集场景知识进行模型训练，基于变化检测网络ChangeNet得到场景模型；步骤S21中的所述变化检测网络具体为基于孪生神经网络和全卷积神经网络的变化检测网络；所述场景模型实现的步骤包括：S211、通过迁移学习的方法，获取残差网络作为预训练模型，所述残差网络的残差块的组成包括卷积层、批正则化BN和激活函数ReLU；S212、通过孪生神经网络从所述基准图像和所述待检测图像中提取特征，并结合卷积输出不同层度的变化定位信息，以捕获图像中的粗糙信息和细节信息，所述孪生神经网络基于所述预训练模型；S213、使用全卷积神经网络FCN对提取的特征进行整合，而后相加并使用同一归一化指数函数softmax进行分类，得到变化区域；S22、对待检测图像和基准图像进行配准对齐；S23、对完成配准对齐操作后的待检测图像利用场景模型进行变化检测，输出变化区域的坐标位置信息；步骤S23中还包括步骤：S231、对存在图像变化的场景数据进行保存；所述场景数据为相比存在变化的所述待检测图像和所述基准图像；步骤S2还包括步骤：S24、基于保存的所述场景数据，更新场景知识，以获取更高精度的场景模型；所述S24包括步骤：S241、建立场景数据累积模块；S242、场景变化检测模块判断所保存的所述场景数据是否发生变化，若场景发生变化，则执行S243和S244，否则等待下一次场景检测，执行S242；S243、任务模型调优模块使用新的所述场景数据对任务模型进行调优，提高其在新场景中的精度；S244、当场景数据累积模块中的场景数据达到预设的增量阈值之后，利用变化检测网络进行参数调优，使模型提取不同场景中场景知识，以得到精度更高且泛化性能更强的场景模型，对不断变化的场景进行持续的场景自适应；S3、根据所述变化区域对所述目标图像进行图像提取，得到目标区域图像；S4、基于分类模型对所述目标区域图像进行分类，判断是否为锈斑区域；步骤S4包括步骤：S41、预先采集目标区域图像进行模型训练，利用分类网络的前置卷积层提取特征向量，并用分类模型进行模型训练；S42、对待检测的目标区域图像进行显著度检测，分割出前景区域；S43、将分割出来的所述前景区域输入分类网络的前置卷积层提取特征向量；S44、对述提取的特征向量用训练好的分类模型进行分类；S5、判定锈斑区域的面积是否超出所设定的阈值，若是则向指定的用户端推送锈斑趋势变化的告警信息；步骤S5包括步骤：S51、通过激光测距及摄像头参数获取所述待检测图像实际面积大小；S52、计算变化区域像素数量与所述待检测图像的像素比值；S53、根据所述像素比值与所述待检测图像实际面积大小，计算锈斑区域的实际面积；S54、判定锈斑区域的面积是否超出所设定的阈值，若是则向指定的用户端推送锈斑趋势变化的告警信息。

全文数据：

权利要求：

百度查询： 金钱猫科技股份有限公司 一种基于神经网络模型的锈斑面积扩大的监测方法与系统