本發(fā)明涉及人工智能，尤其涉及一種火災(zāi)隱患檢測(cè)方法、裝置、電子設(shè)備和存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、野外架空電力線(xiàn)路周?chē)臻g內(nèi)常存在著影響線(xiàn)路穩(wěn)定運(yùn)行的各種災(zāi)害與風(fēng)險(xiǎn)，各種復(fù)雜的環(huán)境隱患和潛在的安全風(fēng)險(xiǎn)給電力系統(tǒng)造成極大的不利影響。早期的火源檢測(cè)及周?chē)紵锏臋z測(cè)和評(píng)估對(duì)于處理突發(fā)事件并減少損失具有至關(guān)重要的作用。此外，電力作業(yè)現(xiàn)場(chǎng)往往面積較大，環(huán)境條件復(fù)雜，這對(duì)火災(zāi)檢測(cè)系統(tǒng)的覆蓋能力和適應(yīng)性提出了更高的要求。

2、目前，傳統(tǒng)的火災(zāi)檢測(cè)方法都是基于物理傳感器實(shí)現(xiàn)的，但是這種方法往往因其檢測(cè)延遲、易受環(huán)境干擾和高維護(hù)成本等限制，難以滿(mǎn)足電力行業(yè)的需求。因此亟需一種新的火災(zāi)隱患檢測(cè)方法。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提供了一種火災(zāi)隱患檢測(cè)方法、裝置、電子設(shè)備和存儲(chǔ)介質(zhì)。

2、根據(jù)本發(fā)明的一方面，提供了一種火災(zāi)隱患檢測(cè)方法，應(yīng)用于部署有改進(jìn)的火災(zāi)隱患檢測(cè)模型的電子設(shè)備中，所述改進(jìn)的火災(zāi)隱患檢測(cè)模型至少包括設(shè)置在特征提取層之前的多頭注意力自卷積機(jī)制、設(shè)置在特征提取層和特征融合層之間的cbam注意力機(jī)制和預(yù)測(cè)特征層，所述方法包括：

3、獲取從電力作業(yè)現(xiàn)場(chǎng)采集的目標(biāo)圖像，并通過(guò)所述多頭注意力自卷積機(jī)制對(duì)所述目標(biāo)圖像進(jìn)行自卷積處理，得到包括目標(biāo)圖像相關(guān)信息的自卷積核；

4、通過(guò)所述自卷積核對(duì)所述目標(biāo)圖像進(jìn)行卷積處理，得到所述目標(biāo)圖像對(duì)應(yīng)的目標(biāo)特征圖；

5、基于所述特征提取層，從所述目標(biāo)特征圖中提取不同層級(jí)的特征圖；

6、通過(guò)所述cbam注意力機(jī)制對(duì)不同層級(jí)的特征圖進(jìn)行特征增強(qiáng)，得到不同層級(jí)的增強(qiáng)特征圖；

7、通過(guò)所述特征融合層對(duì)所述不同層級(jí)的增強(qiáng)特征圖進(jìn)行特征融合處理，得到不同尺度的融合特征圖；

8、通過(guò)所述預(yù)測(cè)特征層對(duì)所述不同尺度的融合特征圖進(jìn)行火災(zāi)隱患檢測(cè)，得到火災(zāi)隱患檢測(cè)結(jié)果。

9、根據(jù)本發(fā)明的另一方面，提供了一種火災(zāi)隱患檢測(cè)裝置，配置于部署有改進(jìn)的火災(zāi)隱患檢測(cè)模型的電子設(shè)備中，所述改進(jìn)的火災(zāi)隱患檢測(cè)模型至少包括設(shè)置在特征提取層之前的多頭注意力自卷積機(jī)制、設(shè)置在特征提取層和特征融合層之間的cbam注意力機(jī)制和預(yù)測(cè)特征層，所述裝置包括：

10、自卷積模塊，用于獲取從電力作業(yè)現(xiàn)場(chǎng)采集的目標(biāo)圖像，并通過(guò)所述多頭注意力自卷積機(jī)制對(duì)所述目標(biāo)圖像進(jìn)行自卷積處理，得到包括目標(biāo)圖像相關(guān)信息的自卷積核；

11、第一提取特征模塊，用于通過(guò)所述自卷積核對(duì)所述目標(biāo)圖像進(jìn)行卷積處理，得到所述目標(biāo)圖像對(duì)應(yīng)的目標(biāo)特征圖；

12、第二提取特征模塊，用于基于所述特征提取層，從所述目標(biāo)特征圖中提取不同層級(jí)的特征圖；

13、特征增強(qiáng)模塊，用于通過(guò)所述cbam注意力機(jī)制對(duì)不同層級(jí)的特征圖進(jìn)行特征增強(qiáng)，得到不同層級(jí)的增強(qiáng)特征圖；

14、特征融合模塊，用于通過(guò)所述特征融合層對(duì)所述不同層級(jí)的增強(qiáng)特征圖進(jìn)行特征融合處理，得到不同尺度的融合特征圖；

15、檢測(cè)模塊，用于通過(guò)所述預(yù)測(cè)特征層對(duì)所述不同尺度的融合特征圖進(jìn)行火災(zāi)隱患檢測(cè)，得到火災(zāi)隱患檢測(cè)結(jié)果。

16、根據(jù)本發(fā)明的另一方面，提供了一種電子設(shè)備，所述電子設(shè)備包括：

17、至少一個(gè)處理器；以及

18、與所述至少一個(gè)處理器通信連接的存儲(chǔ)器；其中，

19、所述存儲(chǔ)器存儲(chǔ)有可被所述至少一個(gè)處理器執(zhí)行的計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被所述至少一個(gè)處理器執(zhí)行，以使所述至少一個(gè)處理器能夠執(zhí)行本發(fā)明實(shí)施例所述的火災(zāi)隱患檢測(cè)方法。

20、根據(jù)本發(fā)明的另一方面，提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)指令，所述計(jì)算機(jī)指令用于使處理器執(zhí)行時(shí)實(shí)現(xiàn)本發(fā)明實(shí)施例所述的火災(zāi)隱患檢測(cè)方法。

21、本發(fā)明實(shí)施例的技術(shù)方案，在改進(jìn)的火災(zāi)隱患檢測(cè)模型中新引入了多頭注意力機(jī)制和cbam注意力機(jī)制，通過(guò)集成多頭注意力自卷積機(jī)制，不僅提高檢測(cè)精度，而且加快了模型收斂速度，滿(mǎn)足了實(shí)時(shí)性的要求；而新引入的cbam注意力機(jī)制提高了改進(jìn)的火災(zāi)隱患檢測(cè)模型對(duì)關(guān)鍵特征的聚焦，提高了火災(zāi)隱患檢測(cè)的準(zhǔn)確性。

22、應(yīng)當(dāng)理解，本部分所描述的內(nèi)容并非旨在標(biāo)識(shí)本發(fā)明的實(shí)施例的關(guān)鍵或重要特征，也不用于限制本發(fā)明的范圍。本發(fā)明的其它特征將通過(guò)以下的說(shuō)明書(shū)而變得容易理解。

技術(shù)特征：

1.一種火災(zāi)隱患檢測(cè)方法，其特征在于，應(yīng)用于部署有改進(jìn)的火災(zāi)隱患檢測(cè)模型的電子設(shè)備中，所述改進(jìn)的火災(zāi)隱患檢測(cè)模型至少包括設(shè)置在特征提取層之前的多頭注意力自卷積機(jī)制、設(shè)置在特征提取層和特征融合層之間的cbam注意力機(jī)制和預(yù)測(cè)特征層，所述方法包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述通過(guò)所述多頭注意力自卷積機(jī)制對(duì)所述目標(biāo)圖像進(jìn)行自卷積處理，得到包括目標(biāo)圖像相關(guān)信息的自卷積核，包括：

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述cbam注意力機(jī)制包括通道注意力模塊和空間注意力模塊；

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述通過(guò)所述通道注意力模塊，確定所述特征圖不同特征通道的權(quán)重，包括：

5.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述針對(duì)加權(quán)增強(qiáng)后的特征圖，通過(guò)所述空間注意力模塊，確定空間注意力圖，包括：

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述特征融合層中增加至少一條新的跨尺度連接，以便豐富所述特征融合層中的特征融合路徑。

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述改進(jìn)的火災(zāi)隱患檢測(cè)模型是基于yolov5模型改進(jìn)的；在所述改進(jìn)的火災(zāi)隱患檢測(cè)模型的訓(xùn)練階段，所述改進(jìn)的火災(zāi)隱患檢測(cè)模型的損失函數(shù)是由類(lèi)別損失、對(duì)象置信度損失和邊界框損失組成；且所述類(lèi)別損失和象置信度損失采用二元交叉熵?fù)p失，所述邊界框損失采用ciou損失。

8.一種火災(zāi)隱患檢測(cè)裝置，其特征在于，配置于部署有改進(jìn)的火災(zāi)隱患檢測(cè)模型的電子設(shè)備中，所述改進(jìn)的火災(zāi)隱患檢測(cè)模型至少包括設(shè)置在特征提取層之前的多頭注意力自卷積機(jī)制、設(shè)置在特征提取層和特征融合層之間的cbam注意力機(jī)制和預(yù)測(cè)特征層，所述裝置包括：

9.一種電子設(shè)備，其特征在于，包括：

10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其特征在于，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)指令，所述計(jì)算機(jī)指令用于使處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1-7中任一項(xiàng)所述的方法。

技術(shù)總結(jié)
本發(fā)明公開(kāi)一種火災(zāi)隱患檢測(cè)方法、裝置、電子設(shè)備和存儲(chǔ)介質(zhì)，涉及人工智能技術(shù)領(lǐng)域。方法包括：獲取從電力作業(yè)現(xiàn)場(chǎng)采集的目標(biāo)圖像，并通過(guò)多頭注意力自卷積機(jī)制對(duì)目標(biāo)圖像進(jìn)行自卷積處理，得到自卷積核；通過(guò)自卷積核對(duì)目標(biāo)圖像進(jìn)行卷積處理，得到的目標(biāo)特征圖；基于特征提取層，從目標(biāo)特征圖中提取不同層級(jí)的特征圖；通過(guò)CBAM注意力機(jī)制對(duì)不同層級(jí)的特征圖進(jìn)行特征增強(qiáng)，得到不同層級(jí)的增強(qiáng)特征圖；通過(guò)特征融合層對(duì)不同層級(jí)的增強(qiáng)特征圖進(jìn)行特征融合處理，得到不同尺度的融合特征圖；通過(guò)預(yù)測(cè)特征層對(duì)不同尺度的融合特征圖進(jìn)行火災(zāi)隱患檢測(cè)。本發(fā)明在火災(zāi)隱患檢測(cè)模型中新引入了多頭注意力機(jī)制和CBAM注意力機(jī)制，提高了火災(zāi)隱患檢測(cè)的準(zhǔn)確性。

技術(shù)研發(fā)人員：何超勛,陳智霖,黃聲勇,陳正雍,劉振輝
受保護(hù)的技術(shù)使用者：廣東電網(wǎng)有限責(zé)任公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/10