机坪异物检测方法、装置、存储介质和电子设备与流程

文档序号:28160269发布日期:2021-12-24 19:27阅读:202来源:国知局
机坪异物检测方法、装置、存储介质和电子设备与流程

1.本技术属于检测技术领域,具体涉及一种机坪异物检测方法、装置、存储介质和电子设备。


背景技术:

2.异物会对航空器造成极大的安全威胁。异物在民航业内也称为fod(foreign object debris),即可能损伤航空器的某种外来的物质、碎屑或物体。例如,异物可以是金属零件、防水塑料布、碎石块、报纸、瓶子、行李牌等。在民航业,异物带来的危害非常严重,特别是,机场跑道上的异物很容易被吸入到发动机,导致发动机失效,异物碎片也会堆积在航空器的机械结构中,影响起落架、机翼等设备的正常运行。
3.目前,机场的异物检测技术仅仅局限在跑道。然而,尚未有针对面积广大的跑道以外的机坪的异物检测技术。机坪的异物检测尚停留在人工手段解决的层面。也就是说,机场管理机构定期组织员工对机坪进行“地毯式搜索”,人工搜寻异物,人工捡拾,耗费大量人力且效果不佳,无法确保发现异物的及时性。


技术实现要素:

4.本技术实施例的目的是提供一种机坪异物检测方法、装置、存储介质和电子设备,能够解决相关技术中存在的没有针对机坪的异物检测技术的问题。
5.根据本技术实施例的第一方面,提供了一种机坪异物检测方法,包括:获取所述机坪的道面图像;从所述道面图像提取出道面区域;将所述道面区域与道面区域样本图像进行比较;当所述道面区域与所述道面区域样本图像的差异满足预定条件时,确定在所述机坪中存在异物。
6.可选地,所述方法还包括:从所述道面图像识别出所述道面区域的道面类型;所述将所述道面区域与道面区域样本图像进行比较,包括:将所述道面区域与第一道面区域样本图像进行比较,所述第一道面区域样本图像具有与所述道面区域相同的道面类型。
7.可选地,所述获取所述机坪的道面图像之前,所述方法还包括:获取所述机坪的道面样本图像;从所述道面样本图像中过滤异物区域,以获取所述道面区域样本图像;对所述道面区域样本图像进行分类,确定所述道面区域样本图像的道面类型;建立道面区域样本图像库,所述道面区域样本图像库包括具有不同道面类型的所述道面区域样本图像。
8.可选地,所述当所述道面区域与所述道面区域样本图像的差异满足预定条件时,确定在所述机坪中存在异物之后,所述方法还包括:从所述道面区域提取异物区域;将所述异物区域输入异物检测模型进行检测;根据所述异物检测模型输出的检测结果,确定所述异物的类型。
9.可选地,所述方法还包括:从所述道面图像识别出所述道面区域的道面类型;所述将所述异物区域输入异物检测模型进行检测,包括:将所述异物区域输入第一异物检测模型进行检测,其中,所述第一异物检测模型是通过第一异物样本图像训练集进行训练的,并
且其中,所述第一异物样本图像训练集中的所述异物样本图像的道面类型与所述道面区域的所述道面类型相同。
10.可选地,所述获取所述机坪的道面图像之前,所述方法还包括:获取所述机坪的道面样本图像;从所述道面样本图像提取异物样本图像;对所述异物样本图像进行分类,确定所述异物样本图像的异物类型以及所述异物样本图像的道面类型;建立异物样本图像库,所述异物样本图像库包括第一异物样本图像训练集和第二异物样本图像训练集,其中,所述第一异物样本图像训练集中的所述异物样本图像的道面类型相同,其中,所述第二异物样本图像训练集中的所述异物样本图像的道面类型相同,并且其中,所述第二异物样本图像训练集中的所述异物样本图像的道面类型不同于所述第一异物样本图像训练集中的所述异物样本图像的道面类型。
11.可选地,所述道面类型包括:沥青道面、水泥混凝土道面、土质道面或草坪道面。
12.可选地,所述将所述道面区域与道面区域样本图像进行比较之前,所述方法还包括:对所述道面图像中的所述道面区域以外的区域进行模糊处理。
13.可选地,所述预定条件包括预定形状、异常轮廓或预定尺寸中的至少一种。
14.根据本技术实施例的第二方面,提供了一种机坪异物检测装置,包括:图像获取模块,所述图像获取模块用于获取所述机坪的道面图像;图像提取模块,所述图像提取模块用于从所述道面图像提取出道面区域;比较模块,所述比较模块用于将所述道面区域与道面区域样本图像进行比较;异物存在确定模块,所述异物存在确定模块用于当所述道面区域与所述道面区域样本图像的差异满足预定条件时,确定在所述机坪中存在异物。
15.可选地,所述装置还包括:识别模块,所述识别模块用于从所述道面图像识别出所述道面区域的道面类型;所述比较模块用于将所述道面区域与道面区域样本图像进行比较,包括:所述比较模块用于将所述道面区域与第一道面区域样本图像进行比较,所述第一道面区域样本图像具有与所述道面区域相同的道面类型。
16.可选地,所述图像获取模块还用于获取所述机坪的道面样本图像;所述图像提取模块还用于从所述道面样本图像中过滤异物区域,以获取所述道面区域样本图像;所述装置还包括:第一分类模块,所述第一分类模块用于对所述道面区域样本图像进行分类,确定所述道面区域样本图像的道面类型;第一建库模块,所述第一建库模块用于建立道面区域样本图像库,所述道面区域样本图像库包括具有不同道面类型的所述道面区域样本图像。
17.可选地,所述图像提取模块还用于从所述道面区域提取异物区域;所述装置还包括:检测模块,所述检测模块用于将所述异物区域输入异物检测模型进行检测;异物类型确定模块,所述异物类型确定模块用于根据所述异物检测模型输出的检测结果,确定所述异物的类型。
18.可选地,所述装置还包括:识别模块,所述识别模块用于从所述道面图像识别出所述道面区域的道面类型;所述检测模块用于将所述异物区域输入异物检测模型进行检测,包括:所述检测模块用于将所述异物区域输入第一异物检测模型进行检测,其中,所述第一异物检测模型是通过第一异物样本图像训练集进行训练的,并且其中,所述第一异物样本图像训练集中的所述异物样本图像的道面类型与所述道面区域的所述道面类型相同。
19.可选地,所述图像获取模块还用于获取所述机坪的道面样本图像;所述图像提取模块还用于从所述道面样本图像提取异物样本图像;所述装置还包括:第二分类模块,所述
第二分类模块用于对所述异物样本图像进行分类,确定所述异物样本图像的异物类型以及所述异物样本图像的道面类型;所述装置还包括:第二建库模块,所述第二建库模块用于建立异物样本图像库,所述异物样本图像库包括第一异物样本图像训练集和第二异物样本图像训练集,其中,所述第一异物样本图像训练集中的所述异物样本图像的道面类型相同,其中,所述第二异物样本图像训练集中的所述异物样本图像的道面类型相同,并且其中,所述第二异物样本图像训练集中的所述异物样本图像的道面类型不同于所述第一异物样本图像训练集中的所述异物样本图像的道面类型。
20.可选地,所述道面类型包括:沥青道面、水泥混凝土道面、土质道面或草坪道面。
21.可选地,所述图像提取模块还用于对所述道面图像中的所述道面区域以外的区域进行模糊处理。
22.可选地,所述预定条件包括预定形状、异常轮廓或预定尺寸中的至少一种。
23.根据本技术实施例的第三方面,提供了一种存储介质,所述存储介质上存储程序或指令,所述程序或指令被处理器执行时实现根据上述机坪异物检测方法的步骤。
24.根据本技术实施例的第四方面,提供了一种电子设备,包括处理器,存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令,所述程序或所述指令被所述处理器执行时实现根据上述机坪异物检测方法的步骤。
25.因此,根据本技术实施例,通过获取机坪的道面图像,并且将从道面图像提取出的道面区域与道面区域样本图像进行比较,能够及时确定在机坪中是否存在异物,节约了人力成本。
附图说明
26.图1是根据本技术第一实施例的机坪异物检测方法的流程示意图;
27.图2是根据本技术第二实施例的机坪异物检测方法的流程示意图;
28.图3是根据本技术实施例的机坪的道面区域的各种道面类型的示意图;
29.图4是根据本技术第三实施例的机坪异物检测方法的流程示意图;
30.图5是根据本技术实施例的机坪异物检测装置的结构示意图;
31.图6是根据本技术实施例的电子设备的结构示意图。
具体实施方式
32.为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
33.需要说明的,本说明书中针对“一个实施例”、“实施例”、“示例实施例”等的引用,指的是描述的该实施例可包括特定的特征、结构或特性,但是不是每个实施例必须包含这些特定特征、结构或特性。此外,这样的表述并非指的是同一个实施例。进一步,在结合实施例描述特定的特征、结构或特性时,不管有没有明确的描述,已经表明将这样的特征、结构或特性结合到其它实施例中是在本领域技术人员的知识范围内的。
34.此外,在说明书及后续的权利要求当中使用了某些词汇来指称特定组件或部件,所属领域中具有通常知识者应可理解,制造商可以用不同的名词或术语来称呼同一个组件
或部件。本说明书及后续的权利要求并不以名称的差异来作为区分组件或部件的方式,而是以组件或部件在功能上的差异来作为区分的准则。在通篇说明书及后续的权利要求书中所提及的“包括”和“包含”为一开放式的用语,故应解释成“包含但不限定于”。以外,“连接”一词在此系包含任何直接及间接的电性连接手段。间接的电性连接手段包括通过其它装置进行连接。
35.如上所述,目前,机场的异物检测技术仅仅局限在跑道,跑道以外区域(即机坪)的异物检测缺少有效的技术手段,通常仅使用人工手段去除机坪异物。然而,在现有的跑道异物检测技术中,一方面,需要提高异物检测的灵敏度,尽可能防止异物未被检测到的情况发生,另一方面,每一次异物检测警报都需要工作人员去现场核实,因而消耗极大的人力资源。因此,现有的跑道异物检测技术很难在确保高的异物检出灵敏度和降低误报率二者之间实现平衡,无法实现令人满意的异物检测效果。
36.发明人在对机场的异物检测研发过程中,首先认识到需要重视跑道以外的区域(机坪)的异物检测。这是因为,跑道上的异物往往是从跑道以外的区域扩散到跑道上的。为此,发明人设计出针对机坪的异物检测技术。通过针对机坪进行异物检测,能够及时检测并去除机坪上的异物,进而从根本上减少跑道上的异物数量,确保了航空器的安全。
37.下面将结合附图,通过具体的实施例,对根据本技术实施例的机坪异物检测方法进行详细地说明。
38.图1是根据本技术第一实施例的机坪异物检测方法的流程示意图。
39.参照图1,根据本技术第一实施例的机坪异物检测方法,包括:
40.s101,获取机坪的道面图像;
41.s102,从道面图像提取出道面区域;
42.s103,将道面区域与道面区域样本图像进行比较;
43.s104,当道面区域与道面区域样本图像的差异满足预定条件时,确定在机坪中存在异物。
44.在步骤s101中,可以通过视频设备来获取机坪的道面图像。视频设备可以固定安装在机坪中,以获取固定位置的道面图像。或者,视频设备也可以安装在诸如车辆、无人机之类的移动平台上,从而实现移动检测。
45.除了道面区域之外,道面图像通常还可能包括位于道面区域以外的物体,例如,建筑物、云等。在步骤s102中,从道面图像提取出道面区域,也就是说,从道面图像识别出道面区域,以供后续处理。
46.在步骤s103和步骤s104中,将道面区域与道面区域样本图像进行比较;并且当道面区域与道面区域样本图像的差异满足预定条件时,确定在机坪中存在异物。在此,道面区域样本图像指的是预先获取的不含异物的实际道面的整洁图像。例如,可以通过采集机坪的实际道面图像而获取道面样本图像,然后,对从道面样本图像中过滤异物区域,以获取道面区域样本图像。在一些实施例中,在过滤异物区域初期,可通过人工方式筛选具有复杂特征的异物。
47.可选地,所述预定条件包括预定形状、异常轮廓和预定尺寸中的至少一种。也就是说,可利用异物的特征来识别出异物。例如,当道面区域与道面区域样本图像的差异为具有异常轮廓时,可以认为在道面区域存在异物,这种异常轮廓的异物可在后续处理中加入到
异物样本中。又如,当道面区域与道面区域样本图像的差异为具有预定形状或预定尺寸时,可以认为在道面区域存在异物,预定形状或预定尺寸可以是根据现有的异物样本得到的统计数据。在此,本技术实施例不限于预定形状、异常轮廓和预定尺寸中的一者,还可以根据预定形状、异常轮廓或预定尺寸的组合来作为预定条件。此外,应当理解,预定条件不限于所举出的预定形状、异常轮廓和预定尺寸,根据实际需要,还可以使用其他条件。
48.可选地,在一些实施例中,在步骤s103之前,还包括:对道面图像中的道面区域以外的区域进行模糊处理。例如,可对图3中示出的草坪道面以外的飞机、建筑物等进行模糊处理。因此,可以规避位于道面区域以外的区域中的物体的变化对后续样本比对的负面影响。在此,模糊处理的步骤可以是单独的步骤,也可以是在步骤s102中的从道面图像提取出道面区域的同时执行的步骤。
49.在现有的跑道异物检测技术中,为了确保检测精度,通常使用雷达来检测异物的存在与否。然而,跑道以外的区域(即,机坪)对雷达的建设和使用存在诸多限制。
50.考虑到跑道以外的区域的异物检测要求与跑道的异物检测相比相对较低,根据本技术第一实施例的机坪异物检测方法采取了视频检测技术,通过获取机坪的道面图像,并且将从道面图像提取出的道面区域与道面区域样本图像进行比较,能够及时确定在机坪中是否存在异物,节约了人力成本。
51.图2是根据本技术第二实施例的机坪异物检测方法的流程示意图。
52.参照图2,根据本技术第二实施例的机坪异物检测方法,包括:
53.s201,获取机坪的道面图像;
54.s202,从道面图像提取出道面区域;
55.s203,从道面图像识别出道面区域的道面类型;
56.s204,将道面区域与第一道面区域样本图像进行比较,第一道面区域样本图像具有与道面区域相同的道面类型;
57.s205,当道面区域与第一道面区域样本图像的差异满足预定条件时,确定在机坪中存在异物。
58.根据本技术第二实施例的机坪异物检测方法与根据本技术第一实施例的机坪异物检测方法的区别之处主要在于步骤s203和步骤s204,相同之处不再一一赘述,
59.与跑道相比,机坪的物理环境复杂度更高。通常,机坪包括各种不同的道面。参照图3,道面类型主要可以包括:沥青道面(行业俗称黑道面)、水泥混凝土道面(行业俗称白道面)、土质道面或草坪道面。发明人首先认识到,对于不同的道面类型,异物的辨识难度是不一样的。例如,黑色的螺丝钉、白色的口罩,在黑道面和白道面的辨识难度差别巨大。
60.在步骤s203和步骤s204中,从道面图像识别出道面区域的道面类型,然后,将道面区域与第一道面区域样本图像进行比较,第一道面区域样本图像具有与道面区域相同的道面类型。应当理解,道面类型不限于上述4种道面。根据实际需要,可以对道面类型进行细分,例如,可以根据土质的颜色差异而对土质道面进行细分。因此,根据本技术第二实施例的机坪异物检测方法考虑了机坪道面特点,通过在相同的道面类型的情况下进行比较,降低了辨识难度,并且大大减小了误报率。
61.可选地,在一些实施例中,在获取机坪的道面图像的步骤(例如,步骤s101或步骤s201)之前,还包括:
62.获取机坪的道面样本图像;
63.从道面样本图像中过滤异物区域,以获取道面区域样本图像;
64.对道面区域样本图像进行分类,确定道面区域样本图像的道面类型;
65.建立道面区域样本图像库,道面区域样本图像库包括具有不同道面类型的道面区域样本图像。
66.也就是说,通过预先建立包括具有不同道面类型的道面区域样本图像的道面区域样本图像库,可以从道面区域样本图像库中选取与要检测的道面区域具有相同道面类型的道面区域样本图像进行比较,从而利于异物识别,提高了识别的准确率,减小了误报发生。
67.上面描述了通过根据本技术实施例的机坪异物检测方法来确定在机坪中存在异物。下面将参照图4描述通过根据本技术实施例的机坪异物检测方法来确定异物的类型。
68.图4是根据本技术第三实施例的机坪异物检测方法的流程示意图。
69.参照图4,根据本技术第三实施例的机坪异物检测方法,包括:
70.s301,获取机坪的道面图像;
71.s302,从道面图像提取出道面区域;
72.s303,将道面区域与道面区域样本图像进行比较;
73.s304,当道面区域与道面区域样本图像的差异满足预定条件时,确定在机坪中存在异物;
74.s305,从道面区域提取异物区域;
75.s306,将异物区域输入异物检测模型进行检测;
76.s307,根据异物检测模型输出的检测结果,确定异物的类型。
77.根据本技术第三实施例的机坪异物检测方法与根据本技术第一实施例的机坪异物检测方法,区别之处主要在于步骤s305至步骤s307。相同之处不再一一赘述。
78.在根据本技术第三实施例的机坪异物检测方法中,通过利用异物检测模型对从道面区域提取出的异物区域进行检测,能够准确地确定异物的类型。
79.在此,异物检测模型可以是利用异物样本图像对卷积神经网络模型进行训练而得到的模型。例如,卷积神经网络模型可以是resnet、yolo,但不限于此。
80.可选地,在一些实施例中,还包括:从道面图像识别出道面区域的道面类型;并且步骤s306可包括:将异物区域输入第一异物检测模型进行检测,其中,第一异物检测模型是通过第一异物样本图像训练集进行训练的,并且其中,第一异物样本图像训练集中的异物样本图像的道面类型与道面区域的道面类型相同。
81.也就是说,可以使用与道面区域的道面类型相同的异物样本图像训练集训练的异物检测模型来检测异物区域,从而利于异物识别,提高了识别的准确率,减小了误报发生。
82.可选地,在一些实施例中,在获取机坪的道面图像之前,还包括:
83.获取机坪的道面样本图像;
84.从道面样本图像提取异物样本图像;
85.对异物样本图像进行分类,确定异物样本图像的异物类型以及异物样本图像的道面类型;
86.建立异物样本图像库,异物样本图像库包括第一异物样本图像训练集和第二异物样本图像训练集,
87.其中,第一异物样本图像训练集中的异物样本图像的道面类型相同,
88.其中,第二异物样本图像训练集中的异物样本图像的道面类型相同,并且
89.其中,第二异物样本图像训练集中的异物样本图像的道面类型不同于第一异物样本图像训练集中的异物样本图像的道面类型。
90.因此,可以预先建立针对不同的道面类型的多个异物样本图像训练集。例如,第一异物样本图像训练集中的异物样本图像都是在沥青道面上获取的,第二异物样本图像训练集中的异物样本图像都是在草坪道面上获取的。因此,能够针对不同道面类型来进行异物识别,提高了识别的准确率,减少了误报发生。
91.例如,异物样本图像可以包括如下各异物的样本图像:
92.最长边5cm以上的金属螺丝;
93.最长边5cm以上的金属螺母;
94.10cm以上的铁丝;
95.10cm以上的塑料打包带;
96.10cm以上的绳子;
97.体积30cm3以上的石头碎块;
98.体积30cm3以上的橡胶碎块;
99.体积30cm3以上的玻璃碎片;
100.面积30cm2以上的纸(工作单据、登机牌、行李条等);
101.手套(常规尺寸);
102.口罩(常规尺寸)。
103.此外,在确定异物的类型的情况下,还可利用检测模型来进一步确定异物的形状、材质。例如,异物形状可包括:圆形、半圆形、正方形、长方形、三角形、六边形、平行四边形、梯形、弧形、l形、u形、不规则形状。异物材质可包括:金属、塑料、棉麻、尼龙、石头、橡胶、玻璃、纸质、乳胶、无纺布、其他。
104.在一些实施例中,可以优先从异物的形状的角度来去除异物。因为对于材质的判断是难以精准实现的,例如,塑料外壳中包裹坚硬金属的物体会被识别为塑料材质,而其真正危害性应按照金属计算,这会影响算法的准确性。因此,通过优先从异物的形状的角度出发,能够提高检测准确度。
105.图5是根据本技术实施例的机坪异物检测装置的结构示意图。
106.如图5中所示,根据本技术实施例的机坪异物检测装置100,包括:
107.图像获取模块,图像获取模块110用于获取机坪的道面图像;
108.图像提取模块120,图像提取模块120用于从道面图像提取出道面区域;
109.比较模块130,比较模块130用于将道面区域与道面区域样本图像进行比较;
110.异物存在确定模块140,异物存在确定模块140用于当道面区域与道面区域样本图像的差异满足预定条件时,确定在机坪中存在异物。
111.可选的,机坪异物检测装置100还包括:识别模块,识别模块用于从道面图像识别出道面区域的道面类型;
112.比较模块130用于将道面区域与道面区域样本图像进行比较,包括:
113.比较模块130用于将道面区域与第一道面区域样本图像进行比较,第一道面区域
样本图像具有与道面区域相同的道面类型。
114.可选的,图像获取模块110还用于获取机坪的道面样本图像;
115.图像提取模块120还用于从道面样本图像中过滤异物区域,以获取道面区域样本图像;
116.机坪异物检测装置100还包括:第一分类模块,第一分类模块用于对道面区域样本图像进行分类,确定道面区域样本图像的道面类型;
117.第一建库模块,第一建库模块用于建立道面区域样本图像库,道面区域样本图像库包括具有不同道面类型的道面区域样本图像。
118.可选的,图像提取模块120还用于从道面区域提取异物区域;
119.机坪异物检测装置100还包括:检测模块,检测模块用于将异物区域输入异物检测模型进行检测;
120.异物类型确定模块,异物类型确定模块用于根据异物检测模型输出的检测结果,确定异物的类型。
121.可选的,机坪异物检测装置100还包括:识别模块,识别模块用于从道面图像识别出道面区域的道面类型;
122.检测模块用于将异物区域输入异物检测模型进行检测,包括:
123.检测模块用于将异物区域输入第一异物检测模型进行检测,
124.其中,第一异物检测模型是通过第一异物样本图像训练集进行训练的,并且
125.其中,第一异物样本图像训练集中的异物样本图像的道面类型与道面区域的道面类型相同。
126.可选的,图像获取模块110还用于获取机坪的道面样本图像;
127.图像提取模块120还用于从道面样本图像提取异物样本图像;
128.机坪异物检测装置100还包括:第二分类模块,第二分类模块用于对异物样本图像进行分类,确定异物样本图像的异物类型以及异物样本图像的道面类型;
129.机坪异物检测装置100还包括:第二建库模块,第二建库模块用于建立异物样本图像库,异物样本图像库包括第一异物样本图像训练集和第二异物样本图像训练集,
130.其中,第一异物样本图像训练集中的异物样本图像的道面类型相同,
131.其中,第二异物样本图像训练集中的异物样本图像的道面类型相同,并且
132.其中,第二异物样本图像训练集中的异物样本图像的道面类型不同于第一异物样本图像训练集中的异物样本图像的道面类型。
133.可选的,道面类型包括:沥青道面、水泥混凝土道面、土质道面或草坪道面。
134.可选的,图像提取模块120还用于对道面图像中的道面区域以外的区域进行模糊处理。
135.可选的,预定条件包括预定形状、异常轮廓或预定尺寸中的至少一种。
136.根据本技术实施例的机坪异物检测装置100能够实现上述方法实施例实现的各个过程,为避免重复,在此不再赘述。
137.此外,应当理解,在根据本技术实施例的机坪异物检测装置100中,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即机坪异物检测装置100可划分为与上述例示出的模块不同的功能模块,以完成
以上描述的全部或者部分功能。
138.本技术实施例还提供一种存储介质,所述存储介质上存储程序或指令,所述程序或指令被处理器执行时实现根据上述机坪异物检测方法的步骤。其中,所述存储介质包括计算机存储介质,如计算机只读存储器(read

only memory,rom)、随机存取存储器(random access memory,ram)、磁碟或者光盘等。所述程序或指令可能被存储在固定的或可移动的存储介质中,和/或通过广播或其他信号承载媒体中的数据流而被传输和/或被存储在根据程序指令运行的计算机设备的存储介质中。
139.图6是根据本技术实施例的电子设备的结构示意图。
140.根据本技术实施例的电子设备600,包括:包括处理器610,存储器620及存储在所述存储器620上并可在所述处理器610上运行的程序或指令,所述程序或所述指令被所述处理器610执行时实现根据上述机坪异物检测方法的步骤。其中,存储器620可以包括计算机程序产品621,其具有一个或多个程序模块,这些程序模块被配置为执行根据本技术实施例的各种方法或动作。
141.在此,根据本技术实施例的电子设备600可包括固定的检测设备、移动检测设备、服务器、电子设备、计算机等,本技术实施例不作具体限定。
142.需要注意的是,本技术实施例可在软件和/或软件与硬件的组合体中被实施,例如,可采用专用集成电路(asic)、通用目的计算机或任何其他类似硬件设备来实现。在一个实施例中,本技术的软件程序可以通过处理器执行以实现上文步骤或功能。同样地,本技术的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中,例如,ram存储器,磁或光驱动器或软磁盘及类似设备。另外,本技术的一些步骤或功能可采用硬件来实现,例如,作为与处理器配合从而执行各个步骤或功能的电路。
143.根据本发明的方法可以作为计算机实现方法在计算机上实现、或者在专用硬件中实现、或以两者的组合的方式实现。用于根据本发明的方法的可执行代码或其部分可以存储在计算机程序产品上。计算机程序产品的示例包括存储器设备、光学存储设备、集成电路、服务器、在线软件等。优选地,计算机程序产品包括存储在计算机可读介质上以便当所述程序产品在计算机上执行时执行根据本发明的方法的非临时程序代码部件。
144.可选地,计算机程序包括适合于当计算机程序在计算机上运行时执行根据本发明的方法的所有步骤的计算机程序代码部件。可选地,在计算机可读介质上体现计算机程序。
145.本技术实施例提供了a1.一种机坪异物检测方法,其特征在于,包括:
146.获取所述机坪的道面图像;
147.从所述道面图像提取出道面区域;
148.将所述道面区域与道面区域样本图像进行比较;
149.当所述道面区域与所述道面区域样本图像的差异满足预定条件时,确定在所述机坪中存在异物。
150.a2.根据a1所述的方法,所述方法还包括:从所述道面图像识别出所述道面区域的道面类型;
151.所述将所述道面区域与道面区域样本图像进行比较,包括:
152.将所述道面区域与第一道面区域样本图像进行比较,所述第一道面区域样本图像具有与所述道面区域相同的道面类型。
153.a3.根据a2所述的方法,所述获取所述机坪的道面图像之前,所述方法还包括:
154.获取所述机坪的道面样本图像;
155.从所述道面样本图像中过滤异物区域,以获取所述道面区域样本图像;
156.对所述道面区域样本图像进行分类,确定所述道面区域样本图像的道面类型;
157.建立道面区域样本图像库,所述道面区域样本图像库包括具有不同道面类型的所述道面区域样本图像。
158.a4.根据a1所述的方法,所述当所述道面区域与所述道面区域样本图像的差异满足预定条件时,确定在所述机坪中存在异物之后,所述方法还包括:
159.从所述道面区域提取异物区域;
160.将所述异物区域输入异物检测模型进行检测;
161.根据所述异物检测模型输出的检测结果,确定所述异物的类型。
162.a5.根据a4所述的方法,所述方法还包括:从所述道面图像识别出所述道面区域的道面类型;
163.所述将所述异物区域输入异物检测模型进行检测,包括:
164.将所述异物区域输入第一异物检测模型进行检测,
165.其中,所述第一异物检测模型是通过第一异物样本图像训练集进行训练的,并且
166.其中,所述第一异物样本图像训练集中的所述异物样本图像的道面类型与所述道面区域的所述道面类型相同。
167.a6.根据a5所述的方法,所述获取所述机坪的道面图像之前,所述方法还包括:
168.获取所述机坪的道面样本图像;
169.从所述道面样本图像提取异物样本图像;
170.对所述异物样本图像进行分类,确定所述异物样本图像的异物类型以及所述异物样本图像的道面类型;
171.建立异物样本图像库,所述异物样本图像库包括第一异物样本图像训练集和第二异物样本图像训练集,
172.其中,所述第一异物样本图像训练集中的所述异物样本图像的道面类型相同,
173.其中,所述第二异物样本图像训练集中的所述异物样本图像的道面类型相同,并且
174.其中,所述第二异物样本图像训练集中的所述异物样本图像的道面类型不同于所述第一异物样本图像训练集中的所述异物样本图像的道面类型。
175.a7.根据a2、a3、a5和a6中任一项所述的方法,所述道面类型包括:沥青道面、水泥混凝土道面、土质道面或草坪道面。
176.a8.根据a1所述的方法,所述将所述道面区域与道面区域样本图像进行比较之前,所述方法还包括:
177.对所述道面图像中的所述道面区域以外的区域进行模糊处理。
178.a9.根据a1所述的方法,所述预定条件包括预定形状、异常轮廓或预定尺寸中的至少一种。
179.本技术实施例还提供了b10.一种机坪异物检测装置,其特征在于,包括:
180.图像获取模块,所述图像获取模块用于获取所述机坪的道面图像;
181.图像提取模块,所述图像提取模块用于从所述道面图像提取出道面区域;
182.比较模块,所述比较模块用于将所述道面区域与道面区域样本图像进行比较;
183.异物存在确定模块,所述异物存在确定模块用于当所述道面区域与所述道面区域样本图像的差异满足预定条件时,确定在所述机坪中存在异物。
184.b11.根据b10所述的装置,所述装置还包括:识别模块,所述识别模块用于从所述道面图像识别出所述道面区域的道面类型;
185.所述比较模块用于将所述道面区域与道面区域样本图像进行比较,包括:
186.所述比较模块用于将所述道面区域与第一道面区域样本图像进行比较,所述第一道面区域样本图像具有与所述道面区域相同的道面类型。
187.b12.根据b11所述的装置,所述图像获取模块还用于获取所述机坪的道面样本图像;
188.所述图像提取模块还用于从所述道面样本图像中过滤异物区域,以获取所述道面区域样本图像;
189.所述装置还包括:第一分类模块,所述第一分类模块用于对所述道面区域样本图像进行分类,确定所述道面区域样本图像的道面类型;
190.第一建库模块,所述第一建库模块用于建立道面区域样本图像库,所述道面区域样本图像库包括具有不同道面类型的所述道面区域样本图像。
191.b13.根据b10所述的装置,所述图像提取模块还用于从所述道面区域提取异物区域;
192.所述装置还包括:检测模块,所述检测模块用于将所述异物区域输入异物检测模型进行检测;
193.异物类型确定模块,所述异物类型确定模块用于根据所述异物检测模型输出的检测结果,确定所述异物的类型。
194.b14.根据b13所述的装置,所述装置还包括:识别模块,所述识别模块用于从所述道面图像识别出所述道面区域的道面类型;
195.所述检测模块用于将所述异物区域输入异物检测模型进行检测,包括:
196.所述检测模块用于将所述异物区域输入第一异物检测模型进行检测,
197.其中,所述第一异物检测模型是通过第一异物样本图像训练集进行训练的,并且
198.其中,所述第一异物样本图像训练集中的所述异物样本图像的道面类型与所述道面区域的所述道面类型相同。
199.b15.根据b14所述的装置,所述图像获取模块还用于获取所述机坪的道面样本图像;
200.所述图像提取模块还用于从所述道面样本图像提取异物样本图像;
201.所述装置还包括:第二分类模块,所述第二分类模块用于对所述异物样本图像进行分类,确定所述异物样本图像的异物类型以及所述异物样本图像的道面类型;
202.所述装置还包括:第二建库模块,所述第二建库模块用于建立异物样本图像库,所述异物样本图像库包括第一异物样本图像训练集和第二异物样本图像训练集,
203.其中,所述第一异物样本图像训练集中的所述异物样本图像的道面类型相同,
204.其中,所述第二异物样本图像训练集中的所述异物样本图像的道面类型相同,并

205.其中,所述第二异物样本图像训练集中的所述异物样本图像的道面类型不同于所述第一异物样本图像训练集中的所述异物样本图像的道面类型。
206.b16.根据b11、b12、b14和b15中任一项所述的装置,所述道面类型包括:沥青道面、水泥混凝土道面、土质道面或草坪道面。
207.b17.根据b10所述的装置,所述图像提取模块还用于对所述道面图像中的所述道面区域以外的区域进行模糊处理。
208.b18.根据b17所述的装置,所述预定条件包括预定形状、异常轮廓或预定尺寸中的至少一种。
209.本技术实施例还提供了c19.一种存储介质,所述存储介质上存储程序或指令,所述程序或指令被处理器执行时实现根据a1

a9中任一项所述的机坪异物检测方法的步骤。
210.本技术实施例还提供了d20.一种电子设备,包括处理器,存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令,所述程序或所述指令被所述处理器执行时实现根据a1

a9中任一项所述的机坪异物检测方法的步骤。
211.上面结合附图对本技术的实施例进行了描述,但是本技术并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本技术的启示下,在不脱离本技术宗旨和权利要求所保护的范围情况下,还可做出很多形式,均属于本技术的保护之内。
当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1