(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210302609.9 (22)申请日 2022.03.24 (71)申请人 深圳技术大学 地址 518000 广东省深圳市坪 山区石井街 道兰田路3 002号 (72)发明人 彭小江　陈俊尧　 (74)专利代理 机构 北京绘聚高科知识产权代理 事务所(普通 合伙) 11832 专利代理师 罗硕 (51)Int.Cl. G06V 20/52(2022.01) G06V 20/40(2022.01) G06V 10/26(2022.01) G06N 3/08(2006.01) (54)发明名称 一种基于深度学习分割策略的智能黑烟检 测方法和系统 (57)摘要 本发明实施例公开了一种基于深度学习分 割策略的智 能黑烟检测方法和系统， 包括： 获取 实际监控视频中存在黑烟的图片样 本； 对图片样 本中的黑烟部分进行标注， 建立黑烟检测数据 集， 其中， 黑烟检测数据集包括第一黑烟数据集 和第二黑烟数据集； 基于深度学习分割策略构建 黑烟检测神经网络模型； 利用第一黑烟数据集和 第二黑烟数据集对黑烟检测神经网络模型进行 训练； 将待检测图片输入至训练完成的黑烟检测 神经网络模型中， 得到检测结果。 相对于现有技 术而言， 本发 明的技术方案在不同环 境场景下都 具备较高的检测精度， 对黑烟的定位更精确， 在 计算能力较弱的移动设备当中也有能保持很好 的实时性， 降低了使用成本， 有助于在城市环境 中大规模 进行普及。 权利要求书2页 说明书6页 附图3页 CN 114612864 A 2022.06.10 CN 114612864 A 1.一种基于深度学习分割策略的智能黑烟检测方法， 其特 征在于， 包括： 获取实际监控视频中存在黑烟的图片样本； 对所述图片样本 中的黑烟部分进行标注， 建立黑烟检测数据集， 其中， 所述黑烟检测数 据集包括第一 黑烟数据集和第二 黑烟数据集； 基于深度学习分割策略构建黑烟检测 神经网络模型； 利用所述第一黑烟数据集和所述第二黑烟数据集对所述黑烟检测神经网络模型进行 训练； 将待检测图片输入至训练完成的黑烟检测 神经网络模型中， 得到检测结果。 2.根据权利要求1所述的基于深度学习分割策略的智能黑烟检测方法， 其特征在于， 所 述第一黑烟数据集为包含多个黑烟场景的基于矩形的黑烟检测数据集， 所述第二黑烟数据 集为包含多个黑烟场景的基于多边形的黑烟分割数据集。 3.根据权利要求1所述的基于深度学习分割策略的智能黑烟检测方法， 其特征在于， 所 述存在黑烟的图片样本包括， 但不限于森林黑烟图片样本、 船舶黑烟图片样本和汽车尾气 黑烟样本 。 4.根据权利要求2所述的基于深度学习分割策略的智能黑烟检测方法， 其特征在于， 所 述“利用所述第一黑烟数据集和所述第二黑烟数据集对所述黑烟检测神经网络模型进 行训 练”包括： 利用所述第一 黑烟数据集对黑烟检测 神经网络模型进行 预训练； 利用所述第二 黑烟数据集对黑烟检测 神经网络模型进行深度训练。 5.根据权利要求5所述的基于深度学习分割策略的智能黑烟检测方法， 其特征在于， 所 述“利用所述第一 黑烟数据集对黑烟检测 神经网络模型进行 预训练”包括： 对所述第一黑烟数据集进行处理， 根据所述黑烟检测神经网络模型确定第一缩小倍 数； 按照所述第一缩小倍数将所述第一黑烟数据集的标注结果进行缩小处理以适应神经 网络结构。 6.根据权利要求5所述的基于深度学习分割策略的智能黑烟检测方法， 其特征在于， 所 述“利用所述第二 黑烟数据集对黑烟检测 神经网络模型进行深度训练 ”包括： 对所述第二黑烟数据集进行处理， 根据所述黑烟检测神经网络模型确定第二缩小倍 数； 按照所述第二缩小倍数将所述第二黑烟数据集的标注结果进行缩小处理以适应神经 网络结构。 7.根据权利要求1所述的基于深度学习分割策略的智能黑烟检测方法， 其特征在于， 所 述黑烟检测神经网络模型取消了上采样部 分， 自动根据下采样的倍数相应地改变标注结果 的分辨率。 8.根据权利要求1所述的基于深度学习分割策略的智能黑烟检测方法， 其特征在于， 还 包括： 将低分辨 率检测结果还原为原图片尺寸得到黑烟区域检测结果。 9.根据权利要求3所述的基于深度学习分割策略的智能黑烟检测方法， 其特征在于， 所 述黑烟检测 神经网络模型利用基于块的分割方式进行检测。权　利　要　求　书 1/2 页 2 CN 114612864 A 210.一种基于深度学习分割策略的智能黑烟检测系统， 其特 征在于， 包括： 样本获取 单元， 用于获取实际监控视频中存在黑烟的图片样本； 标注单元， 用于对所述图片样本中的黑烟部分进行标注， 建立黑烟检测数据集， 其中， 所述黑烟检测数据集包括第一 黑烟数据集和第二 黑烟数据集； 模型构建单 元， 用于基于深度学习分割策略构建黑烟检测 神经网络模型； 模型训练单元， 用于利用所述第 一黑烟数据集和所述第 二黑烟数据集对所述黑烟检测 神经网络模型进行训练； 检测单元， 用于将待检测图片输入至训练完成的黑烟检测神经网络模型中， 得到检测 结果。权　利　要　求　书 2/2 页 3 CN 114612864 A 3