(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210754498.5 (22)申请日 2022.06.28 (71)申请人 安徽海螺信息技 术工程有限责任公 司 地址 241000 安徽省芜湖市镜湖区文化路 39号 (72)发明人 汪阳　刘晨　李占宇　 (74)专利代理 机构 芜湖思诚知识产权代理有限 公司 34138 专利代理师 项磊 (51)Int.Cl. G06V 10/774(2022.01) G06V 10/762(2022.01) G06V 10/25(2022.01) G06T 7/13(2017.01)G06T 7/00(2017.01) G01J 5/48(2006.01) (54)发明名称 一种基于深度学习的水泥窑协同处置安全 管理的方法 (57)摘要 本发明公开了一种基于深度学习的水泥窑 协同处置安全管理的方法， 包括下列步骤： 步骤 一、 通过测温相机采集可见光图像和红外光图 像， 并生成ROI点集和温度矩阵； 步骤二、 根据红 外光图像显示的ROI点集的温度判断是否需要高 温预警， 并按时序将采集的可见光图像和红外光 图像进行储存记录， 得到包括可见光图像和红外 光图像相关联的时序图像集合； 步骤三、 在系统 空闲时间提取相应的时序图像集合加入训练样 本对YOLOv3检测器进行再训练和自动更新。 本发 明有效地将系统误告警率从原来的95％成功降 至1％以下， 还 有效减少了 巡检人员的巡查时间。 权利要求书2页 说明书6页 附图2页 CN 115223006 A 2022.10.21 CN 115223006 A 1.一种基于深度学习的水泥 窑协同处置安全管理的方法， 其特 征在于： 包括下列步骤： 步骤一、 通过测温相机采集可 见光图像和红外光图像， 并生成ROI 点集和温度矩阵； 步骤二、 根据红外光图像显示的ROI点集的温度判断是否需要高温预警， 并按时序将采 集的可见光图像和红外光图像进 行储存记录， 得到包括可见光图像和红外光图像相关联的 时序图像集 合； 步骤三、 在系统空闲时间提取相应的时序图像集合加入训练样本对YOLOv3检测器进行 再训练和自动更新。 2.根据权利要求1所述的一种基于深度学习的水泥窑协同处置安全管理的方法， 其特 征在于： 所述 步骤二包括下列子步骤： (1)从红外光图像中确定最高温度， 并判断最高温度是否高于阈值， 若结果为否， 进入 步骤(2)； 若结果 为是， 进入步骤(3)； (2)判断区域内非高温， 无需上报告警， 结束本次检测， 并将相应红外光 图像和可见光 图像按时间序列存 储； (3)在温度矩阵中查找最高温度值所在的位置， 将该位置坐标映射到红外光图像上， 并 在红外光图像上做相应的标记， 然后进入步骤(4)； (4)将可见光图像送入YOLOv3检测器进行深度学习检测， 并判断检测输出结果中是否 包含干扰设备 标签， 若检测结果 为是， 进入步骤(5)， 若检测结果 为否， 进入步骤(6)； (5)将可见光图像和红外光图像叠加重合， 判断最高温度所在位置是否位于识别出干 扰设备的图像特征内， 如果是则上报设备干扰， 并将识别结果和图像数据发送到系统前端； 否则进入步骤(6)； (6)初步判断最高温度的产生原因并非干扰设备， 上报高温预警， 并将识别结果和图像 数据发送到系统前端发送到系统前端， 供监控管理人员确认； (7)将同时采集到的可见光图像和红外光图像关联并按时序进行储存记录， 得到时序 图像集合， 识别出存在干扰设备的图像中包 含高温位置的标记。 3.根据权利要求2所述的一种基于深度学习的水泥窑协同处置安全管理的方法， 其特 征在于： 所述子步骤(6)中， 若监控管理人员确认高温预警无误则维持高温预警， 否则取消 高温预警， 并将可见光图像中识别出与最高温度所在位置对应的图像特征标记为干扰设备 新标签new ‑N+1， N为前一个干扰设备新标签的编号， 初始值为0， 并将相应的可见光图像加 入训练样本对YOLOv3检测器进行训练。 4.根据权利要求3所述的一种基于深度学习的水泥窑协同处置安全管理的方法， 其特 征在于： 所述 步骤三包括下列子步骤： (1)在可见光图像中确定不属于ROI点集的边缘区域， 根据干扰设备新标签对应的图像 特征是否触及边缘区域判断是否， 按时序提取该图像前后若干个可见光图像， 并通过 YOLOv3检测器对提取的可 见光图像进行识别； (2)识别与已有的干扰设备标签存在对应关系的图像特征， 并由管理人员确认， 确认为 是的将标签更新 为对应的干扰设备 标签， 否则转到 子步骤(3)； (3)将对应干扰设备新标签new ‑N的图像特征进行 聚类分析， 将各个可见光图像根据分 析结果分组发送到前端让管理人员设定相 应的干扰设备标签以替换对应的干扰设备新标 签new‑N， 完成后按该子步骤和上一子步骤更新后的干扰设备标签将标记了图像特征的可权　利　要　求　书 1/2 页 2 CN 115223006 A 2见光图像添加到训练样本中； (4)利用上一子步骤更新后的训练样本对YOLOv3检测器进行再训练， 并在完成训练后 更新YOLOv3检测器。 5.根据权利要求4所述的一种基于深度学习的水泥窑协同处置安全管理的方法， 其特 征在于： 在步骤三的子步骤(2)中， 当从提取的可见光图像识别到与已有的干扰设备标签对 应的图像特征， 且之后识别到的图像特征与干扰设备新标签new ‑N对应的图像特征存在位 置相交的部分， 则将二 者关联后发送到前端供 管理人员确认。 6.根据权利要求4所述的一种基于深度学习的水泥窑协同处置安全管理的方法， 其特 征在于： 在步骤三的子步骤(2)中， 通过联系时序上前后图像对位置上存在部 分相交的图像 特征进行进一步识别， 将所有与已有的干扰设备标签对应的图像特征相关的图像特征均设 定或更新为已有的干扰设备标签， 对更新为对应的干扰设备标签的可见光图像则添加到训 练样本中用于 YOLOv3检测器的再训练。 7.根据权利要求1所述的一种基于深度学习的水泥窑协同处置安全管理的方法， 其特 征在于： 采用本方法的系统包括整套系统包含输入设备管理模块、 前端显示模块、 管理后 台、 中控服务模块和算法服务模块， 输入设备管 理模块用于管理所述测温相机， 所述测温相 机为双目测温相 机、 或者单目可见光相 机与单目红外相 机构成的组合结构； 所述前端为所 述前端显示模块并具有配置功能和显示功能， 所述算法服务模块通过接口接收数据和检测 请求， 经过逻辑判断及深度学习检测后， 返回是否需要高温预警的判断结果。权　利　要　求　书 2/2 页 3 CN 115223006 A 3