1.一种井盖检测方法,其特征在于,所述方法包括以下步骤:
训练得到井盖的检测模型;
将采集的图片输入检测模型内,判断图片内井盖的数量并计算图片内井盖的二维坐标,赋予图片内每个井盖唯一的id号,并将每个井盖的社会信息、二维坐标与id号绑定进行存储;
实时或者按照一定的频率对采集的图片进行检测,若图片内检测的井盖数量与存储的井盖数量一致,并且井盖的二维坐标在存储的井盖二维坐标的误差范围内,则不做处理,若图片内检测的井盖数量与存储的井盖数量不一致以及井盖的二维坐标超过存储的井盖二维坐标的误差范围内中至少出现一种,则向管理端发出警报。
2.根据权利要求1所述的方法,其特征在于,所述社会信息包括井盖的经纬度、所在道路、产权人、联系人和电话。
3.根据权利要求1所述的方法,其特征在于,井盖检测模型的训练包括以下步骤:
选取基于pytorch的yolov5作为检测模型;
人工搜集若干井盖图片,并使用自适应数据扩增的方式对井盖图片进行处理,所述自适应数据扩增的方式包括将井盖图片自适应的缩小到接近实际场景井盖的画面占比尺寸以及对井盖图片进行对比度、亮度和色度的随机调整;
使用算法增强井盖图片画面的对比度;
将处理好的井盖图片传入检测模型内进行训练,训练过程中设置较小的预设anchors,anchors的具体设定值由k-means算法和遗传算法对训练图片的数据进行提取得到。
4.根据权利要求3所述的方法,其特征在于,使用算法增强井盖图片画面的对比度具体包括:
将原图转为灰度图,求出灰度图的灰度的算数平均值;
根据原图的尺寸和灰度平均值,新建一张与原图尺寸相同,通道数相同,每个像素的每个通道数值均为灰度平均值的图;
根据以下公式,使用恒定的alpha在两个输入图像之间进行插值来创建新图像,
out=image1*(1.0-alpha)+image2*alpha
将alpha的数值设置为大于1的数值即可对原图进行对比度增强。
5.基于智慧灯杆的井盖监测系统,其特征在于,所述系统包括灯杆,所述灯杆上设有:
图像采集模块,用于采集路面的图像信息,并将图像信息发送给井盖检测模块;
井盖检测模块,用于检测得到图像信息内井盖的数量和井盖的二维坐标,并将检测得到的井盖的数量和井盖的二维坐标与其内存储的井盖数量和井盖的二维坐标进行对比,若图片内检测的井盖数量与存储的井盖数量一致,并且井盖的二维坐标在存储的井盖二维坐标的误差范围内,则不做处理,若图片内检测的井盖数量与存储的井盖数量不一致以及井盖的二维坐标超过存储的井盖二维坐标的误差范围内中至少出现一种,则向管理端发出警报。