一种图像安全隐患检测方法、装置、设备及介质与流程

本发明涉及图像识别，特别涉及一种图像安全隐患检测方法、装置、设备及介质。

背景技术：

1、当前安全巡检多依赖于专业人员定点巡查，对巡检人员的经验和专业技能要求较高，并且不同的巡检人员对安全隐患检测有不同的看法，因此会出现过度依赖人工巡检、工作人员任务繁重易疏漏以及隐患评判能力参差不齐等问题，并且现有的隐患上报方式多限于拍照上传，而隐患类型的判断则依赖于工作人员的个人经验，这在一定程度上限制了隐患上报的准确性和效率。

2、由上可见，如何提高安全隐患检测的准确性和效率，避免出现过度依赖人工巡检、安全隐患检测疏漏以及隐患评判能力参差不齐的情况是本领域有待解决的问题。

技术实现思路

1、有鉴于此，本发明的目的在于提供一种图像安全隐患检测方法、装置、设备及介质，能够提高安全隐患检测的准确性和效率，避免出现过度依赖人工巡检、安全隐患检测疏漏以及隐患评判能力参差不齐的情况。其具体方案如下：

2、第一方面，本申请公开了一种图像安全隐患检测方法，包括：

3、定义图像安全隐患的隐患类别和隐患内容，基于所述隐患类别和所述隐患内容构建隐患库；

4、获取现场采集的样本图片，对所述样本图片进行标注及筛选，并根据初始样本图片库生成训练样本图片库；

5、利用所述训练样本图片库对用于目标检测的深度学习图像检测模型进行训练及验证，以得到目标深度学习图像检测模型，将待检测图片输入至所述目标深度学习图像检测模型中进行图像安全隐患检测，以输出隐患目标位置及类别。

6、可选的，所述定义图像安全隐患的隐患类别和隐患内容，基于所述隐患类别和所述隐患内容构建隐患库，包括：

7、对安全隐患巡查信息以及安全保障相关文件进行汇总，以定义图像安全隐患的隐患类别和隐患内容；

8、基于所述隐患类别和所述隐患内容构建隐患库；其中，每个所述隐患类别对应一个或多个所述隐患内容。

9、可选的，所述获取现场采集的样本图片，对所述样本图片进行标注及筛选，并根据初始样本图片库生成训练样本图片库，包括：

10、获取现场采集设备采集并发送的样本图片；

11、利用labelimage标注工具对所述样本图片进行标注，并按照预设的图片筛选规则对标注过程中的所述样本图片进行筛选及丢弃，以得到标注筛选后的所述样本图片；

12、根据标注筛选后的所述样本图片和初始样本图片库生成训练样本图片库。

13、可选的，所述利用所述训练样本图片库对用于目标检测的深度学习图像检测模型进行训练及验证，包括：

14、按照预设的数据集划分比例对所述训练样本图片库进行划分，以得到训练集和验证集；

15、利用所述训练集对用于目标检测的深度学习图像检测模型进行训练，并利用所述验证集对所述深度学习图像检测模型进行验证。

16、可选的，所述将待检测图片输入至所述目标深度学习图像检测模型中进行图像安全隐患检测，以输出隐患目标位置及类别，包括：

17、将待检测图片输入至所述目标深度学习图像检测模型，以便所述目标深度学习图像检测模型中的超文本传输协议服务调用模型对所述待检测图片进行推理及图像安全隐患检测，以得到隐患目标位置及类别，并计算相应的置信度；

18、判断所述置信度是否大于预设阈值，若所述置信度大于预设阈值，则输出所述隐患目标位置及类别、所述置信度。

19、可选的，所述的图像安全隐患检测方法，还包括：

20、利用后端服务器获取深度学习图像检测模型进行训练及验证后生成的模型权重文件，以便所述后端服务器基于所述模型权重文件对所述目标深度学习图像检测模型进行优化训练。

21、可选的，所述输出隐患目标位置及类别之后，还包括：

22、利用所述后端服务器将隐患目标位置及类别与隐患库进行绑定及对比，以得到与隐患目标位置及类别对应的隐患内容；

23、将与所述隐患目标位置及类别对应的所述隐患内容反馈至用户端。

24、第二方面，本申请公开了一种图像安全隐患检测装置，包括：

25、隐患库构建模块，用于定义图像安全隐患的隐患类别和隐患内容，基于所述隐患类别和所述隐患内容构建隐患库；

26、训练样本图片库生成模块，用于获取现场采集的样本图片，对所述样本图片进行标注及筛选，并根据初始样本图片库生成训练样本图片库；

27、安全隐患检测模块，用于利用所述训练样本图片库对用于目标检测的深度学习图像检测模型进行训练及验证，以得到目标深度学习图像检测模型，将待检测图片输入至所述目标深度学习图像检测模型中进行图像安全隐患检测，以输出隐患目标位置及类别。

28、第三方面，本申请公开了一种电子设备，包括：

29、存储器，用于保存计算机程序；

30、处理器，用于执行所述计算机程序，以实现前述的图像安全隐患检测方法。

31、第四方面，本申请公开了一种计算机存储介质，用于保存计算机程序；其中，所述计算机程序被处理器执行时实现前述公开的图像安全隐患检测方法的步骤。

32、可见，本申请提供了一种图像安全隐患检测方法，包括定义图像安全隐患的隐患类别和隐患内容，基于所述隐患类别和所述隐患内容构建隐患库；获取现场采集的样本图片，对所述样本图片进行标注及筛选，并根据初始样本图片库生成训练样本图片库；利用所述训练样本图片库对用于目标检测的深度学习图像检测模型进行训练及验证，以得到目标深度学习图像检测模型，将待检测图片输入至所述目标深度学习图像检测模型中进行图像安全隐患检测，以输出隐患目标位置及类别。本申请通过定义图像安全隐患的隐患类别和隐患内容，以构建出隐患库，从而避免隐患评判能力参差不齐的情况，利用样本图片生成训练样本图片库，并结合人工智能相关技术，对用于目标检测的深度学习图像检测模型进行训练及验证，利用目标深度学习图像检测模型实现图像安全隐患检测，所以能够提高安全隐患检测的准确性和效率，并且利用模型能够实现自动化图像安全隐患检测，从而避免出现过度依赖人工巡检、安全隐患检测疏漏的情况。

技术特征：

1.一种图像安全隐患检测方法，其特征在于，包括：

2.根据权利要求1所述的图像安全隐患检测方法，其特征在于，所述定义图像安全隐患的隐患类别和隐患内容，基于所述隐患类别和所述隐患内容构建隐患库，包括：

3.根据权利要求1所述的图像安全隐患检测方法，其特征在于，所述获取现场采集的样本图片，对所述样本图片进行标注及筛选，并根据初始样本图片库生成训练样本图片库，包括：

4.根据权利要求1所述的图像安全隐患检测方法，其特征在于，所述利用所述训练样本图片库对用于目标检测的深度学习图像检测模型进行训练及验证，包括：

5.根据权利要求1所述的图像安全隐患检测方法，其特征在于，所述将待检测图片输入至所述目标深度学习图像检测模型中进行图像安全隐患检测，以输出隐患目标位置及类别，包括：

6.根据权利要求1至5任一项所述的图像安全隐患检测方法，其特征在于，还包括：

7.根据权利要求6所述的图像安全隐患检测方法，其特征在于，所述输出隐患目标位置及类别之后，还包括：

8.一种图像安全隐患检测装置，其特征在于，包括：

9.一种电子设备，其特征在于，包括：

10.一种计算机可读存储介质，其特征在于，用于保存计算机程序；其中，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的图像安全隐患检测方法。

技术总结
本申请公开了一种图像安全隐患检测方法、装置、设备及介质，涉及图像识别技术领域，包括定义图像安全隐患的隐患类别和隐患内容，基于所述隐患类别和所述隐患内容构建隐患库；获取现场采集的样本图片，对所述样本图片进行标注及筛选，并根据初始样本图片库生成训练样本图片库；利用所述训练样本图片库对用于目标检测的深度学习图像检测模型进行训练及验证，以得到目标深度学习图像检测模型，将待检测图片输入至所述目标深度学习图像检测模型中进行图像安全隐患检测，以输出隐患目标位置及类别。通过本申请的上述技术方案，能够提高安全隐患检测的准确性和效率，避免出现过度依赖人工巡检、安全隐患检测疏漏以及隐患评判能力参差不齐的情况。

技术研发人员：文龙,高亮,李强,程洪,陈前进,戴泽军,詹一鸣,段州君,田兴友,王静
受保护的技术使用者：湖北中烟工业有限责任公司
技术研发日：
技术公布日：2024/8/15