买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国民航大学

摘要：本发明属于飞机地面积冰检测技术领域，公开了基于图像理解的飞机地面积冰检测方法、系统、终端及介质。对采集的飞机地面积冰图像进行预处理并标注飞机地面积冰特性；对飞机地面积冰特性进行分类并将冰厚图像信息量化为数值，基于图像理解融合深度学习方法检测飞机地面积冰状态及属性，结合冰厚计算与冰型识别结果，搭建面向关键部位的飞机地面积冰图像理解检测系统，进行飞机地面积冰厚度与类型识别。本发明只需用相机对积冰区域采集图像，稍加图像处理，通过厚度转化算法便可得到冰厚数据，输入冰型识别模型，便可识别出积冰种类，鲁棒性好，可靠性高，响应快。本发明对保障飞机地面除冰以及旅客生命财产安全具有重大的意义。

主权项：1.一种基于图像理解的飞机地面积冰检测方法，其特征在于，包括：对采集的飞机地面积冰图像进行预处理并标注飞机地面积冰特性；对所述飞机地面积冰特性进行分类并将冰厚图像信息量化为数值，基于图像理解融合深度学习方法检测飞机地面积冰状态及属性，并输出飞机地面积冰状态及属性结果；结合冰厚计算与冰型识别结果，搭建面向关键部位的飞机地面积冰图像理解检测系统，进行飞机地面积冰厚度与类型识别；所述基于图像理解的飞机地面积冰检测方法具体包括以下步骤：步骤一，利用双目电子显微镜采集飞机地面积冰图像信息；步骤二，对采集到的各冰型图像进行灰度化、去噪、图像增强以及几何变化预处理操作后，将图像数据集划分为训练集、测试集；步骤三，对步骤二中图像增强后的数据集进行边缘提取，将积冰厚度图像信息量化为数值；步骤四，利用BatchNormalization算法对图像进行批量标准化处理，搭建基于深度残差网络的积冰类型识别模型；步骤五，选择源任务，通过训练公共数据集获取预训练网络模型参数，并利用TrAdaBoosting算法从预训练模型中筛选有效参数；步骤六，加载预训练模型参数到积冰类型识别模型中，冻结低层通用图像特征，重新训练积冰类型特定特征，得到已训练积冰识别模型，输入测试集，输出识别结果；步骤七，对积冰类型识别模型精度进行准确率、召回率评估；步骤八，结合冰厚计算与冰型识别，搭建面向关键部位的飞机地面积冰图像理解检测系统，进行飞机地面积冰厚度与类型识别；对图像增强后的数据集进行边缘提取，将积冰厚度图像信息量化为数值包括：第一步，对步骤二高斯滤波后的数据集进行基于Canny算子的边缘提取操作：a计算梯度方向与幅值：使用一阶有限差分求得偏导矩阵，近似梯度幅值与方向，来描述像素灰度的变化程度与方向；计算每个像素点在水平和竖直方向上的导数Gx与Gy，组成梯度向量Gx,Gy，计算公式如下： 式中，Pi.g为第i位置像素的灰度值，分布如下： 再根据下式计算梯度值G与方向O： b非极大值抑制：保留局部梯度值最大的点，对梯度的方向上进行非极大值抑制处理，去除伪边缘像素，对梯度角O进行处理，简化梯度值的比较：反三角函数在取值，在式8中梯度角上加上在[0，π]上取值，再将梯度角分为四个扇区并重置；每个像素点重置梯度角O后，对梯度方向上相邻的两个像素进行遍历，比较目标像素梯度与相邻的两像素梯度大小：若目标像素梯度大，则将目标像素梯度值设为极大值，并将梯度幅值按下式进行放缩；否则将目标像素梯度值置0； 其中，Gmax为遍历后得到的梯度值的最大值，Gi为目标像素的梯度值；c双阈值边缘检测：通过双阈值使不同阈值下的边缘进行连接；将高阈值设为Lh，低阈值设为Ll，若梯度幅值L＞Lh，则L为图像的边缘；若L＜Ll，则L一定不是图像的边缘；若Li＜L＜Lh，则将像素点临近的像素值的梯度与Lh作比较，若大于Lh，则为边缘；第二步，积冰厚度计算：若机翼在t时刻的积冰区域像素总面积为SH,未积冰时的像素面积为Sh，积冰边缘上任一点m到机翼下边缘的像素高度为H，机翼的像素厚度为h，实际厚度为d，积冰平均像素厚度y，则积冰实际厚度Y由如下公式推导：aH＝SH10ah＝Sh1111-10得： 由式11可得并将其代入上式可得： 式13等价于： 由式10、11得： 得：

全文数据：

权利要求：

百度查询： 中国民航大学 基于图像理解的飞机地面积冰检测方法、系统、终端及介质