(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 202210429493.5 (22)申请日 2022.04.22 (71)申请人 江西中烟工业有限责任公司 地址 330000 江西省南昌市高新 开发区京 东大道201号金圣工业科技园 (72)发明人 张昊　王磊　刘亮　孙祥洪　 袁智敏　朱文林　 (51)Int.Cl. G06V 20/40(2022.01) G06V 20/52(2022.01) G06V 10/26(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G08B 17/12(2006.01) (54)发明名称 基于烟雾识别的烟草事故报警方法、 装置、 设备及介质 (57)摘要 本发明公开了一种基于烟雾识别的烟草事 故报警方法， 包括： 将烟草烟雾训练样本集输入 粗分割模块中进行初始分割， 得到初始分割结 果， 对初始分割结果进行再次分割， 得到再次分 割结果， 对初始分割结果和再次分割结果进行结 果融合后的最终分割结果进行预测， 得到预测分 割结果， 根据预测分割结果对烟雾语义分割模型 进行参数调整， 得到标准烟雾语义分割模型。 提 取烟草车间监控视频中的烟草烟雾监控图像并 输入标准烟雾语义分割模型， 得到烟雾识别情况 并告警。 本发 明还提出一种基于烟雾识别的烟草 事故报警装置、 电子设备以及计算机可读存储介 质。 本发明可以解决烟草事故报警的准确度较低 的问题。 权利要求书3页 说明书16页 附图2页 CN 114550072 A 2022.05.27 CN 114550072 A 1.一种基于烟雾识别的烟草事故报警方法， 其特 征在于， 所述方法包括： 基于预设的三维建模算法获得烟草合成烟雾图， 提取所述烟草合成烟雾图中的三通道 数值， 并基于所述三通道数值对所述烟草合成烟雾图进行数据增强处理， 得到烟草烟雾训 练样本集； 将所述烟草烟雾训练样本集输入至预设的烟雾语义分割模型中的粗分割模块中进行 初始分割， 得到初始分割 结果， 并利用所述烟雾语义分割模型中的细分割模块对所述初始 分割结果进行 再次分割， 得到再次分割结果； 对所述初始分割结果和所述再次分割结果进行结果融合， 并对结果融合后的最终分割 结果进行 预测处理， 得到预测分割结果； 基于预设的二值交叉熵损失函数计算所述预测分割结果对应的交叉熵损失值， 并根据 所述交叉熵损失值对所述烟雾语义分割模型进行参数调整， 得到标准烟雾语义分割模型； 获取烟草车间监控视频， 并基于预设的光流法提取所述烟草车间监控视频中的烟草烟 雾监控图像； 将所述烟草烟雾监控图像输入至所述标准烟雾语义分割模型中， 得到烟雾识别情况， 并根据所述烟雾识别情况向车间人员进行烟雾告警。 2.如权利要求1所述的基于烟雾识别的烟草事故报 警方法， 其特征在于， 所述提取所述 烟草合成烟雾图中的三 通道数值， 包括： 根据预设的数值读取语句识别出 所述烟草 合成烟雾图中的红色值、 绿色值和蓝色值； 将所述红色值、 所述绿色值和所述蓝色值汇总得到三 通道数值。 3.如权利要求1所述的基于烟雾识别的烟草事故报 警方法， 其特征在于， 所述基于所述 三通道数值对所述烟草 合成烟雾图进行 数据增强处 理， 得到烟草烟雾训练样本集， 包括： 获取预设的全局系数， 根据所述全局系数构建数据增强 公式； 将所述三通道数值中的红色值、 绿色值和蓝色值代入至所述数据增强公式中， 得到增 强后的三 通道值； 根据所述增强后的三通道值构建多个烟草烟雾训练样本， 并汇总 多个所述烟草烟雾训 练样本， 得到烟草烟雾训练样本集。 4.如权利要求3所述的基于烟雾识别的烟草事故报 警方法， 其特征在于， 所述根据 所述 全局系数构建数据增强 公式， 包括： 所述数据增强 公式为： 其中， 为所述全局系数，   为增强后的三通道值中的红色值， 为增强后的三 通道值中的绿色值， 为增强后的三通道值中的蓝色值， 为预设参数， 为所 述三通道数值中的红色值， 为所述三通道数值中的绿色值， 为所述三通道数值 中的蓝色值， 为标准红色值， 为标准绿色值， 为标准蓝色值。 5.如权利要求1所述的基于烟雾识别的烟草事故报 警方法， 其特征在于， 所述将所述烟 草烟雾训练样本集输入至预设的烟雾语义分割模型中的粗分割模块中进 行初始分割， 得到权　利　要　求　书 1/3 页 2 CN 114550072 A 2初始分割结果， 包括： 将所述烟草烟雾训练样本集输入至所述粗分割模块中的基础网络中， 得到编码数据 集； 基于所述粗分割 模块的卷积层、 上采样层及激活函数依次对所述编码数据集进行解码 处理， 得到初始分割结果。 6.如权利要求1所述的基于烟雾识别的烟草事故报 警方法， 其特征在于， 所述基于预设 的二值交叉熵损失函数计算所述预测分割结果对应的交叉熵损失值， 包括： 所述预设的二 值交叉熵损失函数为： 其中， 为所述交叉熵损失值， 为最小化原始代价函数， Pi表示第i个 预测分割结果， Gi表示第i张烟草烟雾样本的像素值， 为预设的固定参数， W 为优化参数。 7.如权利要求1所述的基于烟雾识别的烟草事故报 警方法， 其特征在于， 所述基于预设 的光流法提取 所述烟草车间监控视频中的烟草烟雾监控图像， 包括： 利用预设的光流计算公式分别计算所述烟草车间监控视频中不同帧烟草车间监控图 像中每个像素点对应的光 流； 将所述每 个像素点对应的光 流映射至预设的颜色空间， 得到烟草烟雾监控图像。 8.如权利要求7所述的基于烟雾识别的烟草事故报 警方法， 其特征在于， 所述利用预设 的光流计算公式分别计算所述烟草车间监控视频中不同帧烟草车间监控图像中每个像素 点对应的光 流， 包括： 利用如下所述光流计算公式分别计算所述烟草车间监控视频中不同帧烟草车间监控 图像中每 个像素点对应的光 流： 其中， 表示所述烟草车间监控视频中不同帧烟草车间监控图像中每个像素点坐 标， 表示所述烟草车间监控视频中不同帧烟草车间监控图像中每个像素点对应的光 流， x表示像素点的横坐标轴， y表 示像素点的纵坐标轴， dx和dy分别表示所述每个像素点在 x坐标轴和y坐标轴方向上的位移， A1和B1分别表示不同的矩阵向量， C1表示预设的标记向量 参数， T表示预设时间。 9.如权利要求1所述的基于烟雾识别的烟草事故报 警方法， 其特征在于， 所述对所述初 始分割结果和所述再次分割结果进行 结果融合， 包括： 以所述初始分割结果在前， 所述再次分割结果再后， 预设的融合层作为中间连接进行 结果融合， 得到结果融合后的最终分割结果。 10.一种基于烟雾识别的烟草事故报警装置， 其特 征在于， 所述装置包括： 数据增强模块， 用于基于预设的三维建模算法获得烟草合成烟雾 图， 提取所述烟草合 成烟雾图中的三通道数值， 并基于所述三通道数值对所述烟草合成烟雾图进 行数据增强处 理， 得到烟草烟雾训练样本集； 样本分割 模块， 用于将所述烟草烟雾训练样本集输入至预设的烟雾语义分割 模型中的权　利　要　求　书 2/3 页 3 CN 114550072 A 3