一种油气管线周边环境隐患检测方法、装置及存储介质

专利主权项内容

1.一种油气管线周边环境隐患检测方法，其特征在于，所述方法包括以下步骤：S100：采集油气管线周边环境输入图像；S200：对所采集的输入图像进行预处理；S300：构建油气管线周边环境隐患检测模型并进行训练；其中，所述模型包括主干网络，所述主干网络采用由全局路径和局部路径组成的双路径设计；所述模型还包括特征融合模块，所述特征融合模块引入了特征上采样模块，所述特征上采样模块能够根据图像内容自适应的重组特征以扩大特征感受野；具体的，所述主干网络中的全局路径包括五个部分，第一部分包括初始模块，该模块包括两个大小为3×3、步长为2的卷积层，每个卷积层后连接一个批归一化层BN，且每个卷积层的下一层还连接有一个ReLU激活函数；第二部分、第三部分和第四部分结构相同，均包括一个局部特征提取模块和一个下采样模块，局部特征提取模块包括依次连接的1×1卷积层Conv、损失函数GeLU、3×3深度可分离卷积层DWConv、损失函数GeLU、3×3卷积层Conv以及添加函数ADD，其中，1×1卷积层Conv、3×3深度可分离卷积层DWConv和3×3卷积层Conv后均连接一个批归一化BN层；下采样模块采用大小为3×3、步长为2的普通卷积；第五部分包括一个全局特征提取模块，该模块采用多头注意力机制，具体包括：1×1卷积层Conv，该卷积层后连接一个批归一化层BN，1×1卷积层Conv的输出分别输入注意力机制中的查询向量、键向量和数值向量，通过计算查询向量Q与键向量K的相似度，并引入位置编码posE，以及在softmax函数两端加入局部注意力头Talking head得到注意力权重；数值向量V在经过局部注意力机制Locality后与所获得的注意力权重相乘，经过一个1×1卷积层Conv和一个批归一化层BN得到最终的特征表示，再经过由一个归一化层LN和2个全连接层Linear以及激活函数GeLU共同组成的全连接模块，得到最终的全局特征图；T局部路径包括依次连接的结构相同的第一分支模块、第二分支模块和第三分支模块，每个分支模块包括两个3×3卷积层Conv，其中，第二个3×3卷积层的步长为2，且其后连接一个批归一化BN层和一个ReLU激活函数；所述特征融合模块包括两个分支，其中，第一分支包括特征上采样模块和第一注意力机制模块CA，第二分支包括第二注意力机制模块CA，且第一注意力机制模块CA和第二注意力机制模块CA共同连接一个拼接函数、一个3×3卷积层CONV和一个批归一化层BN以及一个Sigmoid函数层；第一注意力机制模块CA和第二注意力机制模块CA结构相同，由上至下包括残差结构，残差结构后连接并列的方向的平均池化层和方向的平均池化层，方向的平均池化层和方向的平均池化层共同连接一个拼接函数、一个3×3卷积层CONV和一个批归一化层BN以及一个ReLU函数，ReLU函数后连接第一分支和第二分支，第一分支和第二分支结构相同，均包括一个1×1卷积层CONV和一个Sigmoid函数层；XYXY特征上采样模块由上至下依次包括1×1卷积层、×卷积层、Pixelshuffle层、KernelNormalizer层和Reassemble层；kk所述模型还包括输出模块，由一个特征上采样模块CARAFE和双线性插值组成；特征上采样模块CARAFE将特征图上采样到的原图的1/4，再通过双线性插值进行上采样还原特征图，得到最终的结果图；S400：将预处理后的油气管线周边环境输入图像输入训练好的模型中，以对油气管线周边环境是否存在隐患进行检测。