一种钻探管柱头手托行为检测方法及装置与流程

本公开属于计算机视觉和人工智能领域，具体涉及一种钻探管柱头手托行为检测方法及装置。

背景技术：

1、随着人工智能技术的突飞猛进，在计算机视觉领域的相关研究也不断推陈出新，随着技术的快速更迭，越来越多的视觉算法被应用到传统行业的各个领域，如安防、监测等等。而在钻探行业，使用钻探管时常常需要人工搓动管柱头进行拆卸，此工序具有一定的危险性，尤其是不能用手去托管柱头，否则可能造成人员伤亡。传统的解决方案是人工自觉或者互相监督，但是很容易出现松懈或注意力不集中的情况而导致危险动作的发生。

2、此外，也可以通过目标检测方法自动化、实时化地对管柱头进行监测，当出现手托管柱头目标时即进行预警，可以大大减少危险行为地发生，但是，该方法由于没有过多考虑背景上下文的信息，会造成较多误检；而同时检测相关的人体、手臂等目标，又会引入新的误差，同时极大的提高了标注成本。因此，有必要研究一种新的检测方法在降低标注成本的同时提高检测精度。

技术实现思路

1、针对现有技术中的不足，本公开的目的在于提供一种基于深度学习的地质钻探管柱头手托行为检测方法，本方法通过引入蒙版卷积注意力加权上采样模块，使得模型在降低数据标注成本的基础上，能够有效地自动关联背景上下文信息，从而减少误检以及提升检测精度。

2、为实现上述目的，本公开提供以下技术方案：

3、一种钻探管柱头手托行为检测方法，所述方法包括以下步骤：

4、s100：获取待测钻探施工输入图像；

5、s200：构建钻探管柱头手托行为检测模型，并对模型进行训练；

6、其中，所述钻探管柱头手托行为检测模型由25层组成，第0层至第9层构成主干网络，第10层至第23层构成特征融合网络，第24层为预测输出网络，其中，所述主干网络引入了快速空间金字塔池化模块，所述快速空间金字塔池化模块通过设置多个最大池化层对特征图进行多次最大池化以保留特征图中的关键信息；

7、s300：将所述待测钻探施工输入图像输入训练好的模型，以对待测钻探施工输入图像中作业人员是否存在钻探管柱头手托行为进行检测。

8、优选的，步骤s200中，所述钻探管柱头手托行为检测模型通过以下步骤进行训练：

9、s201：获取钻探施工图像数据集，对数据集进行数据清洗，对清洗后的数据集进行人工标注，将标注后的数据集划分为训练集和测试集；

10、s202：设置训练参数，利用训练集对模型进行训练，当达到预设训练次数，则模型训练完成；

11、s203：利用测试集对训练后的模型进行测试，测试过程中，当在测试集上的map@0.5值达到0.9，模型测试通过；否则需要扩大训练集样本或者调整训练参数重新对模型进行训练，直至模型测试通过。

12、本公开还提供一种基于深度学习的地质钻探管柱头手托行为检测装置，所述装置包括：

13、获取模块，用于获取待测钻探施工输入图像；

14、模型构建及训练模块，用于构建钻探管柱头手托行为检测模型，并对模型进行训练；其中，所述钻探管柱头手托行为检测模型由25层组成，第0层至第9层构成主干网络，第10层至第23层构成特征融合网络，第24层为预测输出网络，其中，所述主干网络引入了快速空间金字塔池化模块，所述快速空间金字塔池化模块通过设置多个最大池化层对特征图进行多次最大池化以保留特征图中的关键信息；

15、检测模块，用于将待测钻探施工输入图像输入训练好的模型，以对待测钻探施工输入图像中作业人员是否存在钻探管柱头手托行为进行检测。

16、本公开还提供一种电子设备，包括：

17、存储器，处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，

18、所述处理器执行所述程序时实现如前任一所述的方法。

19、本公开还提供一种计算机存储介质，所述计算机存储介质存储有计算机可执行指令，所述计算机可执行指令用于执行如前任一所述的方法。

20、与现有技术相比，本公开带来的有益效果为：

21、本公开引入了基于蒙版卷积注意力加权上采样模块，可通过蒙版卷积融合利用检测目标周围背景信息，通过注意力机制自动关注有效信息，使得模型更加关注管柱头目标周围区域是否存在手臂、人体等背景信息，因此不需要对人体进行额外标注，不仅能够减少标注成本，同时能够优化减少直接目标检测导致的对模糊、遮挡等情况的误检，从而提升检测精度。

技术特征：

1.一种钻探管柱头手托行为检测方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，优选的，步骤s200中，所述钻探管柱头手托行为检测模型通过以下步骤进行训练：

3.一种钻探管柱头手托行为检测装置，其特征在于，所述装置包括：

4.一种电子设备，其特征在于，所述电子设备包括：

5.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机可执行指令，所述计算机可执行指令用于执行权利要求1和2任一所述的方法。

技术总结
本公开揭示了一种钻探管柱头手托行为检测方法及装置，所述方法包括：S100：获取待测钻探施工输入图像；S200：构建钻探管柱头手托行为检测模型，并对模型进行训练；S300：将所述待测钻探施工输入图像输入训练好的模型，以对待测钻探施工输入图像中作业人员是否存在钻探管柱头手托行为进行检测。本公开通过引入蒙版卷积注意力加权上采样模块，能够使得模型更加关注管柱头目标周围区域是否存在手臂、人体等背景信息，能够优化减少直接目标检测导致的对模糊、遮挡等情况的误检，从而提升检测精度。

技术研发人员：岑亮,易炜,吴雷
受保护的技术使用者：重庆泓宝科技股份有限公司
技术研发日：
技术公布日：2024/6/23