A/O池泡沫线位置实时检测方法、系统及存储介质

专利主权项内容

1.A/O池泡沫线位置实时检测方法，其特征在于，包括以下步骤：S1.获取A/O池现场图像，现场图像应清晰包含有A/O池边沿与泡沫线；S2.对获取的原始图像进行剪切—旋转—拼接的预处理后，采用数据增强的方法获得训练集样本与测试集样本；其中，所述剪切是在原始图像的剪切点(X，0)处剪切并将剪切形成的右部分图像定义为泡沫线呈现趋于水平状态的图像；所述旋转与拼接是将右部分图像顺时针旋转25-45度后与左部分图像相拼接；0S3.对获得的训练集样本与测试集样本进行数据标注，以获得分别代表泡沫线与A/O池边沿的矩形标注框；S4.构建优化后的深度学习模型；基于YOLOv5x的架构，将SE注意力机制与骨干网络Backbone中C3结构内的BottleNeck相结合，构成C3SE模块，有效提升泡沫线的检测精度；同时在Backbone中，采用SPPCSPC结构加强浅层信息与深层信息的融合，以提升模型的感知程度；此外，在YOLOv5x的架构中，添加定位损失函数Focal_GIOU LOSS，以减小预测框与标定框的误差，既减少了计算量，又能提高检测速度与精度，至此，优化后的深度学习模型构建完成；S5.将训练集样本输入到优化后的深度学习模型中，所述训练集样本的图像在YOLOv5x的Backbone中经过多次卷积，深度学习模型提取到更深层次的图像特征信息，在YOLOv5x的Neck中融合浅层与深层的信息，经过损失函数，在输出层输出目标的类别及置信度，至此，完成对优化后深度学习模型的训练；S6.利用训练后的深度学习模型，对测试集样本图像中的A/O池边沿进行检测与位置提取，对提取到的A/O池边沿的坐标采取多项式回归方法分段拟合曲线，由此获得最佳A/O池边沿拟合曲线函数如公式(1)所示，并将此拟合曲线作为判断泡沫线是否溢出的参考基准；其中，最佳A/O池边沿拟合曲线函数如下：
，公式(1)其中Ma是测试集样本图像中横坐标的最大值；S7.利用训练后的深度学习模型，对测试集样本图像中的泡沫线进行检测与位置提取，从而获得一条完整泡沫线的实际坐标值，并对左、右两部分的泡沫线利用以下公式来预测泡沫在某一时刻t下发生溢出的趋势：0S71.对测试集样本图像中左、右两个部分图像中的泡沫线进行检测与位置提取，从而获得左、右两部分的泡沫线，最后通过拼接左、右部分泡沫线，获得一条完整泡沫线的实际坐标值；S72.针对左部分图像中的泡沫线，利用以下公式(2)来计算泡沫线与A/O池边沿的距离；
，公式(2)针对右部分图像中的泡沫线，利用以下公式(3)来计算泡沫线与A/O池边沿的距离h；r
，公式(3)其中，α是右部分图像的旋转角度，x是剪切点的横坐标，(x, y)是实际泡沫线的坐标，(x, y)是x在A/O池边沿拟合曲线上对应的坐标；011221S73.假设在被检测图像上某一时刻t，某点(x, y)上泡沫堆积的高度超出A/O池边沿H个像素，泡沫溢出时与A/O池边沿的交集宽度为W个像素；如果区间(x, x+W)内泡沫均超出A/O池边沿H个像素，且对于连续时刻t∈[t, t+T]，该区间也能一直保持该超出状态，则认为点x在时刻t+T一定会发生溢出，判断公式如公式(4)所示：0111110010
，公式(4)。