CN119444701A 融合精细分割和双目视觉的近电作业风险动态辨识方法 （武汉大学）

融合精细分割和双目视觉的近电作业风险本发明提供一种融合精细分割和双目视觉由双目相机拍摄的变电站近电作业的左视图图获得实例的三维坐标；根据每个实例的三维坐标，计算不同关键作业元素之间的欧几里得距同关键作业元素之间的最小距离判断是否存在能，有助于提升近电作业安全性和风险预警能2S103、通过分割模型识别和提取左视图图像中的关键作2.根据权利要求1所述的一种融合精细分割和双目视觉的近电作业风险动态辨识方3.根据权利要求2所述的一种融合精细分割和双目视觉的近电作业风险动态辨识方DCNv4_Dyhead检测头将Dyhead空间注意力中的3X3卷积替换为DCNv4(Deformable4.根据权利要求2所述的一种融合精细分割和双目视觉的近电作业风险动态辨识方法，其特征在于，在所述分割模型中引入基于层自适应的幅度剪枝方法(Layer_Adaptive5.根据权利要求1所述的一种融合精细分割和双目视觉的近电作业风险动态辨识方3S203、在同一关键作业元素的有效深度范围内，S204、计算两个关键作业元素之间最近深度赋值点4应的近电安全距离以及工作票限制不同，作业人员与带电体之间应保持的最小空气间隔，[0003]本发明的目的在于提供一种融合精细分割和双目视觉的近电作业风险动态辨识述DCNv4_Dyhead检测头将Dyhead空间注意力中的3×3卷积替换为DCNv4(Deformable5[0015]进一步的，在所述分割模型中引入基于层自适应的幅度剪枝方法(Layer_[0019]S201、通过AANet(AdaptiveAggregationNetwork)立体匹配计算高质量的视差6[0032]图1是本发明实施例提供的一种融合精细分割和双目视觉的近电作业风险动态辨[0040]以下结合附图对本发明的原理和特征进行描述，所列举实施例只用于解释本发[0042]参照图1，本实施例提供一种融合精细分割和双目视觉的近电作业风险动态辨识7[0060]本实施例通过将原Dyhead空间注意力中的3×3卷积替换为DeformableConvNets计算开销。同时在空间聚合中移除非必要的softmax归一化，以增强其动态特性和表达能8[0066]DCNv4_DyHead将三种注意力机制叠加在一个block中，每个block包含尺度感知、度剪枝方法(Layer_AdaptiveMagnitude_basedPruning，LAMP)，通过计算每层权重的[0070]u表示当前正在计算的权重元素的索引，v表示相对于u的其他权重元素的索引。建基于双目视觉的近电空间距离感知模型以精确测量关键作业元素空间距离以进行风险9[0073]立体匹配是双目视觉精度的关键，利用立体匹配算法建立左右视图中的特征关入AANet(AdaptiveAggregationNetwork)这一基于深度学习的立体匹配方法。该方法通值的特征提取器对左右图像进行特征提取，并通过空间金字塔结构构建三个不同分辨率[0076]在代价聚合阶段自适应同尺度聚合模块(ISA,Intra_ScaleAggregation)利用稀[0079]自适应跨尺度聚合模块(CSA,Cross_ScaleAggregation)则用于聚合不同尺度的k是用于自适应组合不同尺度代价体的函数。较低分辨率的尺度能够捕捉到更CSA模块能够在无纹理或弱纹理区域利用较粗的尺度信息，同时在细节丰富的区域保留较[0083]S201、通过AANet(AdaptiveAggregationNetwork)立体匹配计算高质量的视差[0099]本实验例在高性能计算平台上训练分割模型和双目三维测距模型中的立体匹配型的网络结构更加精炼和优化，在保持高性能的同时减少了不必要的参数冗余。GFLOPs(GigaFloatingPointOperationsperSecond)是衡量模型计算复杂度的标准，表示每秒执行的浮点运算次数，较低的GFLOPs值表示模型在边缘计算设备上的计算资源需求较[0110]本实验例对比了不同数量的DCNv4_Dyhead模块串联对YOLOv8s分割模型性能的影mAP50增幅逐渐减小，FPS开始下降。因此，本实验例选择在分割模型中串联2个DCNv4_[0114]本实验例还分析了剪枝方法对模型精度、网络复杂度和推理速度等指标的影态检测头改进后的YOLOv8s分割模型，模型③、④和⑤分别为LAMP方法剪枝率Speed_up为[0118]结合实验结果与变电站近电作业场景的实际需求，[0119]最后，本实验例对分割模型的准确性和轻量化程度进行了多个模型的对比分析，伸缩围栏等)等多变元素的表征能力出现局限，YOLOv8基于无锚框(anchor_free)的设计，验例进一步通过替换DCNv4_Dyhead改进后的模型能更好地捕捉到细微的形变和位置变化，化分割方法有效剔除了紧凑于关键元素的冗余背景，确保平面定位内容集中于关键元素，