本發(fā)明涉及落石檢測領(lǐng)域領(lǐng)域，更具體地說，涉及一種斜坡落石移動智能檢測方法及裝置。

背景技術(shù)：

1、現(xiàn)有的落石檢測技術(shù)存在多種不足。人工巡檢需要大量的人力和時間投入，且受限于人眼觀察的局限性，容易發(fā)生漏檢和誤報。巡檢人員在復(fù)雜地形中行走存在安全風(fēng)險，尤其在夜間或惡劣天氣條件下，巡檢效率和安全性更難以保障。此外，人工巡檢頻率有限，無法實現(xiàn)全天候、實時的監(jiān)測，容易錯過落石初期的征兆，延誤預(yù)警時機。

2、近年來，隨著人工智能和計算機視覺技術(shù)的飛速發(fā)展，基于深度學(xué)習(xí)的目標(biāo)檢測算法逐漸應(yīng)用于各種檢測任務(wù)中。然而，傳統(tǒng)的深度學(xué)習(xí)檢測模型在實時性和資源消耗方面仍存在較大挑戰(zhàn)，難以在資源有限的嵌入式設(shè)備上高效運行。典型的深度學(xué)習(xí)模型如ssd、retinanet等，雖然在檢測精度上表現(xiàn)優(yōu)異，但在速度和計算資源消耗上不盡如人意，不適合實時性的要求。此外，這些模型對硬件資源的要求較高，不易部署在移動設(shè)備或邊緣計算平臺上。

3、因此，亟需一種既能保證高檢測精度又具備良好實時性的智能檢測系統(tǒng)，以實現(xiàn)對斜坡落石的實時監(jiān)測和預(yù)警。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于，提供一種斜坡落石移動智能檢測方法及裝置，能實現(xiàn)斜坡落石進(jìn)行高速、高效、準(zhǔn)確的實時監(jiān)控。

2、本發(fā)明提供一種斜坡落石移動智能檢測方法，包括以下步驟：s1：獲取斜坡區(qū)域的圖像，并進(jìn)行預(yù)處理，得到預(yù)處理后的圖像數(shù)據(jù)；s2：搭建實時目標(biāo)檢測網(wǎng)絡(luò)模型并進(jìn)行訓(xùn)練，得到訓(xùn)練好的實時目標(biāo)檢測網(wǎng)絡(luò)模型；利用訓(xùn)練好的實時目標(biāo)檢測網(wǎng)絡(luò)模型對預(yù)處理后的圖像數(shù)據(jù)進(jìn)行目標(biāo)檢測，得到目標(biāo)位置和類別數(shù)據(jù)；s3：根據(jù)預(yù)處理后的圖像數(shù)據(jù)，利用光流模型，得到落石的運動軌跡和速度數(shù)據(jù)；s4：根據(jù)目標(biāo)位置和類別數(shù)據(jù)和落石的運動軌跡和速度數(shù)據(jù)，得到落石風(fēng)險數(shù)據(jù)和預(yù)警信息。

3、進(jìn)一步地，上述斜坡落石移動智能檢測方法的實時目標(biāo)檢測網(wǎng)絡(luò)模型基于yolo框架搭建，實時目標(biāo)檢測網(wǎng)絡(luò)模型包括軀干網(wǎng)絡(luò)、頸部網(wǎng)絡(luò)和頭部網(wǎng)絡(luò)；軀干網(wǎng)絡(luò)包括順序連接的第一卷積網(wǎng)絡(luò)、第一卷積模塊、第二卷積模塊、第三卷積模塊、第四卷積模塊和sppf模塊；頸部網(wǎng)絡(luò)包括順序連接的第一upsampl網(wǎng)絡(luò)、第一拼接模塊第一注意力模塊、第二upsampl網(wǎng)絡(luò)、第二拼接模塊、第二注意力模塊、第二卷積網(wǎng)絡(luò)、第三拼接模塊、第三注意力模塊、第三卷積網(wǎng)絡(luò)、第四拼接模塊和第四注意力模塊；頭部網(wǎng)絡(luò)包括第一檢測模塊、第二檢測模塊和第三檢測模塊；第一卷積模塊、第二卷積模塊、第三卷積模塊和第四卷積模塊結(jié)構(gòu)相同，統(tǒng)稱為卷積模塊；卷積模塊包括相連接的卷積網(wǎng)絡(luò)和特征提取模塊；第一拼接模塊、第二拼接模塊、第三拼接模塊和第四拼接模塊結(jié)構(gòu)相同，統(tǒng)稱為拼接模塊；拼接模塊包括相連接的拼接網(wǎng)絡(luò)和特征提取模塊；第一拼接模塊的輸入還連接第三卷積模塊的卷積網(wǎng)絡(luò)的輸出，第二upsampl網(wǎng)絡(luò)的輸入還連接第二卷積模塊的輸出，第四拼接模塊的輸入還連接sppf模塊的輸出。

4、進(jìn)一步地，上述斜坡落石移動智能檢測方法的第一注意力模塊、第二注意力模塊、第三注意力模塊和第四注意力模塊利用如下公式構(gòu)建：

5、attentionmap＝σ(w1·relu(w2·x))

6、其中，attentionmap為注意力模塊的輸出，x是輸入特征圖，w1和w2是可訓(xùn)練的權(quán)重矩陣，σ表示sigmoid激活函數(shù)，relu是修正線性單元。

7、進(jìn)一步地，上述斜坡落石移動智能檢測方法的第二卷積網(wǎng)絡(luò)和第三卷積網(wǎng)絡(luò)利用如下公式構(gòu)建：

8、

9、其中，xik表示第i組的輸入特征，wk表示第k個卷積核，yi表示第i組的輸出特征。

10、本發(fā)明還提供一種斜坡落石移動智能檢測裝置，包括以下模塊：圖像獲取模塊，配置為：獲取斜坡區(qū)域的圖像，并進(jìn)行預(yù)處理，得到預(yù)處理后的圖像數(shù)據(jù)；靜態(tài)檢測模塊，配置為：搭建實時目標(biāo)檢測網(wǎng)絡(luò)模型并進(jìn)行訓(xùn)練，得到訓(xùn)練好的實時目標(biāo)檢測網(wǎng)絡(luò)模型；利用訓(xùn)練好的實時目標(biāo)檢測網(wǎng)絡(luò)模型對預(yù)處理后的圖像數(shù)據(jù)進(jìn)行目標(biāo)檢測，得到目標(biāo)位置和類別數(shù)據(jù)；動態(tài)態(tài)檢測模塊，配置為：根據(jù)預(yù)處理后的圖像數(shù)據(jù)，利用光流模型，得到落石的運動軌跡和速度數(shù)據(jù)；綜合分析模塊，配置為：根據(jù)目標(biāo)位置和類別數(shù)據(jù)和落石的運動軌跡和速度數(shù)據(jù)，得到落石風(fēng)險數(shù)據(jù)和預(yù)警信息。

11、進(jìn)一步地，上述斜坡落石移動智能檢測裝置的實時目標(biāo)檢測網(wǎng)絡(luò)模型基于yolo框架搭建，實時目標(biāo)檢測網(wǎng)絡(luò)模型包括軀干網(wǎng)絡(luò)、頸部網(wǎng)絡(luò)和頭部網(wǎng)絡(luò)；軀干網(wǎng)絡(luò)包括順序連接的第一卷積網(wǎng)絡(luò)、第一卷積模塊、第二卷積模塊、第三卷積模塊、第四卷積模塊和sppf模塊；頸部網(wǎng)絡(luò)包括順序連接的第一upsampl網(wǎng)絡(luò)、第一拼接模塊第一注意力模塊、第二upsampl網(wǎng)絡(luò)、第二拼接模塊、第二注意力模塊、第二卷積網(wǎng)絡(luò)、第三拼接模塊、第三注意力模塊、第三卷積網(wǎng)絡(luò)、第四拼接模塊和第四注意力模塊；頭部網(wǎng)絡(luò)包括第一檢測模塊、第二檢測模塊和第三檢測模塊；第一卷積模塊、第二卷積模塊、第三卷積模塊和第四卷積模塊結(jié)構(gòu)相同，統(tǒng)稱為卷積模塊；卷積模塊包括相連接的卷積網(wǎng)絡(luò)和特征提取模塊；第一拼接模塊、第二拼接模塊、第三拼接模塊和第四拼接模塊結(jié)構(gòu)相同，統(tǒng)稱為拼接模塊；拼接模塊包括相連接的拼接網(wǎng)絡(luò)和特征提取模塊；第一拼接模塊的輸入還連接第三卷積模塊的卷積網(wǎng)絡(luò)的輸出，第二upsampl網(wǎng)絡(luò)的輸入還連接第二卷積模塊的輸出，第四拼接模塊的輸入還連接sppf模塊的輸出。

12、進(jìn)一步地，上述斜坡落石移動智能檢測裝置的第一注意力模塊、第二注意力模塊、第三注意力模塊和第四注意力模塊利用如下公式構(gòu)建：

13、attentionmap＝σ(w1·relu(w2·x))

14、其中，attentionmap為注意力模塊的輸出，x是輸入特征圖，w1和w2是可訓(xùn)練的權(quán)重矩陣，σ表示sigmoid激活函數(shù)，relu是修正線性單元。

15、進(jìn)一步地，上述斜坡落石移動智能檢測裝置的第二卷積網(wǎng)絡(luò)和第三卷積網(wǎng)絡(luò)利用如下公式構(gòu)建：

16、

17、其中，xik表示第i組的輸入特征，wk表示第k個卷積核，yi表示第i組的輸出特征。

18、進(jìn)一步地，上述斜坡落石移動智能檢測裝置的斜坡落石移動智能檢測裝置還包括數(shù)據(jù)傳輸模塊、信息交互模塊和自檢運維模塊；數(shù)據(jù)傳輸模塊用于將預(yù)處理后的圖像數(shù)據(jù)傳輸至嵌入式計算平臺；信息交互模塊用于根據(jù)目標(biāo)位置和類別數(shù)據(jù)、落石的運動軌跡和速度數(shù)據(jù)、落石風(fēng)險數(shù)據(jù)和預(yù)警信息，得到監(jiān)測預(yù)警交互信息，并將監(jiān)測預(yù)警交互信息以可視化方式顯示出來；自檢運維模塊用于定期自檢裝置運行狀態(tài)，根據(jù)運行狀態(tài)進(jìn)行遠(yuǎn)程維護(hù)和更新。

19、進(jìn)一步地，上述斜坡落石移動智能檢測裝置的斜坡落石移動智能檢測裝置還包括電源管理模塊，電源管理模塊用于對斜坡落石移動智能檢測裝置的各組成部分進(jìn)行電源管理；圖像獲取模塊包括高分辨率攝像頭，靜態(tài)檢測模塊包括嵌入式計算平臺，數(shù)據(jù)傳輸模塊采用無線傳輸方式進(jìn)行數(shù)據(jù)傳輸。

20、實施本發(fā)明提供的斜坡落石移動智能檢測方法及裝置，具有以下有益效果：

21、本發(fā)明基于落石檢測背景設(shè)計一套完整的算法框架，并在該框架中加入逐點空間注意力與分組空間卷積模塊，提高了模型的精度以及抗干擾能力，同時精簡了模型，節(jié)約計算成本，使其更適合嵌入式平臺運行；本發(fā)明融合flownet光流模型進(jìn)行運動檢測，通過計算連續(xù)圖像幀之間的光流信息，精確捕捉物體的運動軌跡和速度，使得系統(tǒng)能夠?qū)崟r分析落石運動，從而提高檢測的及時性和準(zhǔn)確性；光流模型與yolo模型的結(jié)合，不僅能夠識別靜態(tài)的落石，還能跟蹤其運動軌跡，能夠及時判斷落石風(fēng)險，發(fā)出預(yù)警信號，并存儲相關(guān)數(shù)據(jù)以備后續(xù)分析和驗證，提供更加全面和準(zhǔn)確的監(jiān)測和預(yù)警服務(wù)；本發(fā)明將落石檢測算法框架與嵌入式開發(fā)板等硬件相結(jié)合，能夠自動識別、分類和處理大量數(shù)據(jù)，提高了對落石安全隱患的監(jiān)測能力和監(jiān)測質(zhì)量，在可視化、可交互的基礎(chǔ)上進(jìn)而實現(xiàn)斜坡落石進(jìn)行高速、高效、準(zhǔn)確的實時監(jiān)控，本發(fā)明提供的斜坡落石移動智能檢測裝置在復(fù)雜環(huán)境下也能穩(wěn)定運行，為斜坡安全防護(hù)提供可靠支持。