CN112215815A

CN112215815A - 一种用于建筑工地的裸土覆盖自动检测方法

Info

Publication number: CN112215815A
Application number: CN202011085535.5A
Authority: CN
Inventors: 吴晓晖; 王书平
Original assignee: Hangzhou Shizai Technology Co ltd
Current assignee: Hangzhou Shizai Technology Co ltd
Priority date: 2020-10-12
Filing date: 2020-10-12
Publication date: 2021-01-12

Abstract

本发明公开了一种用于建筑工地的裸土覆盖自动检测方法，涉及建筑工地管理技术领域。包括以下步骤：获取待检测的建筑工地图像；将所述待检测的建筑工地图像输入预先训练好的语义分割网络，生成包含不同特征值的特征图，每一特征值对应一种裸土或一种毡布；对所述特征图进行映射，将所有种类的裸土映射为一像素值，所有种类的毡布映射为另一像素值，生成灰度图；计算裸土的像素面积和毡布的像素面积；计算裸土覆盖率，若裸土覆盖率低于设定阈值，则判定裸土未覆盖。本发明可以应用于城市级规模的工地管理中，大大提高了检测速度，降低了人力成本。

Description

一种用于建筑工地的裸土覆盖自动检测方法

技术领域

本发明涉及建筑工地管理技术领域，尤其涉及用于建筑工地的裸土覆盖自动检测方法。

背景技术

近年来国家对施工环境的要求越来越高，针对扬尘，噪声，污水处理，建筑垃圾处理等制定严格要求，其中扬尘方面中要求施工现场的裸土必须采用毡布覆盖，如果未覆盖或者未完全覆盖视作违规。施工现场易飞扬的细颗粒建材应密闭存放。施工现场内堆放超过8小时不扰动的裸土应进行覆盖,堆放超过三个月以上不使用的堆土应进行绿化，弃土应及时清运。裸土覆盖检测方法一般有两种，一种是人工巡视，指的是人员到现场巡视，或者通过监控进行巡视检查是否出现大面积裸土未覆盖；另一种方法是无人机巡视，人员通过无人机传回的影像进行判别是否出现未覆盖。这两种方法存在速度慢，精度低，成本高的问题，并且自动化含量较低，不适用于城市级规模的工地检测。

发明内容

本发明的目的在于提供一种用于建筑工地的裸土覆盖自动检测方法，该方法可以应用于城市级规模的工地管理中，大大提高了检测速度，降低了人力成本。

为实现上述目的，本发明提供如下技术方案：

一种用于建筑工地的裸土覆盖自动检测方法，其特征在于，包括以下步骤：

S1，获取待检测的建筑工地图像；

S2，将所述待检测的建筑工地图像输入预先训练好的语义分割网络，生成包含不同特征值的特征图，每一特征值对应一种裸土或一种毡布；

S3，对所述特征图进行映射，将所有种类的裸土映射为一像素值，所有种类的毡布映射为另一像素值，生成灰度图；

S4，计算裸土的像素面积和毡布的像素面积；

S5，计算裸土覆盖率，若裸土覆盖率低于设定阈值，则判定裸土未覆盖。

进一步的，所述语义分割网络的训练过程如下：

T1，采集施工工地的样本图像，构建数据集；

T2，对样本图像中的裸土目标和毡布目标进行标注；

T3，针对数据集中样本进行样本扩增，包括类间数量均衡、噪声增强、亮度增强。

T4，网络训练。

进一步的，所述类间数量均衡的具体内容为：

TA1，统计样本图像中不同种类的标注目标的像素面积；

TA2，选取所占像素面积较小的标注目标种类中的一个或多个标注目标；

TA3，针对选取出来的标注目标，截取其外接矩形，针对外接矩形中的目标，进行长宽缩放比操作；

TA4，将进行长宽缩放比操作之后的样本添加到数据集中，直至不同种类的标注目标所占像素面积相等。

进一步的，所述噪声增强采用椒盐噪声，噪点数量n_noise＝area_src*0.0005，area_src表示样本图像像素面积。

进一步的，所述亮度增强的具体内容为：

l_sample＝{0.7*l_src,l_src,1.3*l_src}

其中，l_src表示样本图像的原始亮度，l_sample表示某一样本图像进行亮度增强后的亮度集合；

在亮度调整的同时，随机对样本图像进行左右镜像或上下镜像。

进一步的，所述S3中映射的具体内容如下：

其中，vⁱ _net表示特征图第i个特征值；vⁱ _result表示灰度图中第i个像素的像素值；P_baresoil表示裸土对应的特征值集合；P_felt表示毡布对应的特征值集合。

进一步的，所述S4中，裸土的像素面积和毡布的像素面积的计算方法如下：遍历检测区域内像素值，若像素值为125，则裸土像素面积累加1，若像素值为255，则毡布像素面积累加1。

进一步的，所述S5计算裸土覆盖率之前，还进行有效检测率的计算：

其中，Area_baresoil表示裸土像素面积；Area_felt表示毡布像素面积；Area_detect表示检测区域的像素面积，检测区域为全图区域或由用户指定；r_valid表示有效检测率；

当有效检测率r_valid小于预先设定的有效检测阈值，视作该待检测的建筑工地图像无效，不进行裸土覆盖率的检测。

进一步的，所述S5中裸土覆盖率的计算方法如下：

其中，r_mask表示裸土覆盖率。

与现有技术相比，本发明的有益效果是：本发明基于图像检测技术，实现建筑工地上裸土覆盖率的自动检测，不仅大大提高了检测效率，还降低了人力成本，可应用于城市级规模的工地管理中。

附图说明

图1为本发明的整体结构示意图；

具体实施方式

下面对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1，本发明提供一种用于建筑工地的裸土覆盖自动检测方法，包括以下步骤：

S0，训练语义分割网络：

T1，采集施工工地的样本图像，构建数据集；该数据集通过收集施工工地的裸土样本和搌布样本，其中裸土样本是黄色土嚷，棕色土壤，黑色土壤，灰色土壤，灰色颗粒状裸土5种；搌布包含绿色毡布，蓝色搌布，黑色搌布和红色搌布。

T2，对样本图像中的裸土目标和毡布目标进行标注；使用语义分割的标注工具进行了上述样本的语义分割标注，构建涵盖区域差异，天气差异的庞大数据集。在数据集中数据与标签的关系矩阵为，

其中，黄土代表黄色土壤，绿布表示绿色毡布，其他同理，数字表示在网络中的数字标签。

实际场景中土壤的颜色种类，毡布颜色种类分布非常不均衡，直接算法训练效果不理想，因此对样本图像进行类间数量均衡，所述类间数量均衡的具体内容为：

TA1，统计样本图像中不同种类的标注目标的像素面积；

TA2，选取所占像素面积较小的标注目标种类中的一个或多个标注目标；如数量较少的种类样本如褐色土壤，灰色颗粒，蓝色毡布等

TA3，针对选取出来的标注目标，截取其外接矩形，针对外接矩形中的目标，进行长宽缩放比操作；于本实施例中，长宽缩放比为1:2，2:1，2:2三中，表示截取图片的宽度不变，高度变为原来的2倍，其余尺度处理方法同理，最后将这些尺度缩放的结果图进行随机粘贴到背景图中，形成新的样本，对应扩增的像素面积变为原来的8倍。

TA4，将进行长宽缩放比操作之后的样本添加到数据集中，直至不同种类的标注目标所占像素面积基本相等。

于本实施例中，为了提高检测网络的鲁邦性，所述噪声增强采用椒盐噪声，噪点数量n_noise＝area_src*0.0005，area_src表示样本图像像素面积。

为了提高分割网络的泛化能力，使其适应不同明暗度的天气，进行亮度增强，所述亮度增强的具体内容为：

l_sample＝{0.7*l_src,l_src,1.3*l_src}

在亮度调整的同时，随机对样本图像进行左右镜像或上下镜像处理。通过亮度值增强，可由原始亮度的图片扩增处较亮、较暗的两个样本。

T4，网络训练。

S1，获取待检测的建筑工地图像，从监控图像获取的输入图像数据进行预处理，具体方法是为了保证算法准确和速度，将图像输入图像尺寸设定为1280*640。

S2，将所述待检测的建筑工地图像输入预先训练好的语义分割网络，生成包含不同特征值的特征图，每一特征值对应一种裸土、一种毡布或者背景；于本实施例中，该特征值即为网络训练过程中标注的数字标签。

在部署时分割网络的前向推理时，为了降低图像处理中噪声对网络特征图的像素值产生影响，将网络的最一层特征图的像素值进行映射变换，将原来维度为10*640*1280的特征图Feature_net转换成维度为1*640*1280的新特征图Feature_class，转换方法是将Feature_net输入到softmax层得到Feature_class，然后将映射转换为灰度图mask_net，映射的具体内容如下：

其中，vⁱ _net表示特征图Feature_class第i个特征值；vⁱ _result表示灰度图mask_net中第i个像素的像素值；P_baresoil表示裸土对应的特征值集合；P_felt表示毡布对应的特征值集合。

结合本实施例的训练过程，即

vⁱ _net大于0小于6时，其对应不同的裸土；而vⁱ _net大于等于6时，其对应不同的毡布。最后将灰度图进行尺度缩放，达到与原始输入图像宽度和高度相同，得到mask_predict。

S4，计算裸土的像素面积和毡布的像素面积；

为了得到精准计算每个区域的裸土覆盖比例，需要进行检测区域的确认。检测区域Area_detect确认的方法是默认为全图区域为检测区域或者用户指定输入一个区域，该区域包含矩形和不规则多边形。

裸土的像素面积和毡布的像素面积的计算方法如下：遍历预测图mask_predict中检测区域Area_detect内像素值vⁱ _mask，如果vⁱ _mask＝125，则Area_baresoil累加一，如果vⁱ _mask＝255，则Area_felt累加一，最终统计得到裸土像素面积Area_baresoil和毡布像素面积Area_felt。

于另一实施例中，所述S5计算裸土覆盖率之前，为了提高算法的准确率，降低语义分割网络结果中少量像素误判导致最终结果误判问题，还进行有效检测率的计算：

当有效检测率r_valid小于预先设定的有效检测阈值，有效检测值优选为10％，视作该待检测的建筑工地图像无效，不进行裸土覆盖率的检测。

所述S5中裸土覆盖率的计算方法如下：

其中，r_mask表示裸土覆盖率。若r_mask小于设定阈值Thresh_bare(一般由用户指定)，则判定裸土未覆盖，将违规信息推送给用户。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。

Claims

1.一种用于建筑工地的裸土覆盖自动检测方法，其特征在于，包括以下步骤：

S1，获取待检测的建筑工地图像；

S4，计算裸土的像素面积和毡布的像素面积；

2.根据权利要求1所述的用于建筑工地的裸土覆盖自动检测方法，其特征在于，所述语义分割网络的训练过程如下：

T1，采集施工工地的样本图像，构建数据集；

T2，对样本图像中的裸土目标和毡布目标进行标注；

T4，网络训练。

3.根据权利要求2所述的用于建筑工地的裸土覆盖自动检测方法，其特征在于，所述类间数量均衡的具体内容为：

TA1，统计样本图像中不同种类的标注目标的像素面积；

4.根据权利要求2所述的用于建筑工地的裸土覆盖自动检测方法，其特征在于，所述噪声增强采用椒盐噪声，噪点数量n_noise＝area_src*0.0005，area_src表示样本图像像素面积。

5.根据权利要求2所述的用于建筑工地的裸土覆盖自动检测方法，其特征在于，所述亮度增强的具体内容为：

l_sample＝{0.7*l_src,l_src,1.3*l_src}

6.根据权利要求1所述的用于建筑工地的裸土覆盖自动检测方法，其特征在于，所述S3中映射的具体内容如下：

7.根据权利要求6所述的用于建筑工地的裸土覆盖自动检测方法，其特征在于，所述S4中，裸土的像素面积和毡布的像素面积的计算方法如下：遍历检测区域内像素值，若像素值为125，则裸土像素面积累加1，若像素值为255，则毡布像素面积累加1。

8.根据权利要求1所述的用于建筑工地的裸土覆盖自动检测方法，其特征在于，所述S5计算裸土覆盖率之前，还进行有效检测率的计算：

9.根据权利要求8所述的用于建筑工地的裸土覆盖自动检测方法，其特征在于，所述S5中裸土覆盖率的计算方法如下：

其中，r_mask表示裸土覆盖率。