Power-Plant-Inspector

KO | EN

gitlite — search

#javascript #hacktoberfest #react #typescript #llm #rust #macos #nodejs #awesome #kubernetes #vue #pytorch #ios #open-source

Power-Plant-Inspector

(★ 8)

清华大学技创辅82项目：电厂巡检机器小车研究数据集

Power-Plant-Inspector Latest Version Download

Download Latest Version (.zip)

// repository documentation

Was this content helpful?

★ 0 (0 ratings)

# Power-Plant-Inspector
清华大学技创辅82项目：电厂巡检机器小车研究数据集

#### 关于数据
###### 代码生成的过程数据和结果数据
> 由于文件太大无法上传至git，可移步[**清华云盘**](https://cloud.tsinghua.edu.cn/#group/4445/lib/76d50336-c98e-49a0-a3df-7415cc6f3f19)  
其中，每个压缩文件中RESULT文件夹存放的是最终结果（神经网络之前），其他文件夹存放过程数据，参见`Step 123 FullProcess.cpp`

###### 水滴自检数据
> 存放于清华云盘的[**Crazy_Waterdrops.rar**](https://cloud.tsinghua.edu.cn/lib/76d50336-c98e-49a0-a3df-7415cc6f3f19/file/Crazy_Waterdrops.rar)数据集上，其中文件夹：
- 1为有水滴训练数据
- 0为无水滴训练数据
- test1为有水滴测试数据
- test0为无水滴测试数据 
- backup1为有水滴备用数据
- backup0为无水滴备用数据
> 以上两个文件夹可以批量移图片至前面四个文件夹，从而调整训练、测试数据的多少和1/0比例（目前比例≈1：9）。  
> 以上六个文件夹图片大小均为31x31，格式为jpg。来自不同原始图片的训练、测试图片已通过随机修改文件名的方法尽量打乱顺序。
- svm.xml和svm_auto.xml是用代码中`#ifndef AUTO`和`#else`分别训练出来的两个SVM模型，waterdrops结果.txt分别记录其分类结果（很不理想）

###### 亮环境真实数据集
> 比自检数据集结果好得多得多的[**亮环境真实数据集（Enhanced）.rar**](https://cloud.tsinghua.edu.cn/lib/76d50336-c98e-49a0-a3df-7415cc6f3f19/file/%E4%BA%AE%E7%8E%AF%E5%A2%83%E7%9C%9F%E5%AE%9E%E6%95%B0%E6%8D%AE%E9%9B%86%EF%BC%88Enhanced%EF%BC%89.rar)  
阴性 : 阳性 = 4250 : 1064 ≈ 4 : 1（未经过筛选的真实比例）  
数据集扩增代码: `Cropped_Enhance.cpp`（可以通过亮度微调把一张训练图变成8张）

###### 真实测试结果
> svm_auto.xml是在亮环境下训练出的模型，对暗环境中的水滴完全没有辨识能力。  
但亮环境下识别出的基本都是水滴。全部放在[**REPORTED.rar**](https://cloud.tsinghua.edu.cn/lib/76d50336-c98e-49a0-a3df-7415cc6f3f19/file/REPORTED.rar)目录下。所有水滴选框已经resize为40 x 40px。  
记录程序运行时间：（Bright.avi总长度为8秒）
stderr:  
读取视频开始  
读取视频完成，到此用时2.876秒  
轮廓识别开始  
切图完成，到此用时4.249秒  
加载模型完成  
读取选区文件完成  
报告水滴完成，到此用时5.964秒

> **重要说明**：`Step 1234 FullProcess.cpp`会crash。但（根据数十篇csdn&stackoverflow&etc博客）这不是代码的bug，而是opencv本身的bug，而且目前还没有很好的方法解决或绕开这个问题。crash的地点是`vector<vector<Point>> contours`的析构函数处，这个数据类型为opencv自身的接口`findContours()`所需要。现在可以保证整个程序运行期间不会crash，所有结果可以得到有效保存，但是退出程序时会crash一次。
  
#### 关于前期视频处理

> `dark.avi`用`Step 123 FullProcess.cpp`处理最开始效果并不好，但后来发现是两帧时间间隔太短，两帧画面差别太小，导致的水滴遗漏。   
使用格式工厂降低视频帧率至**12帧/秒**，效果明显有所提升。  
[**格式工厂无毒下载链接**](http://soft.onlinedown.net/soft/983615.htm)

#### 关于水滴识别

###### SVM版本
> 虽然之前的自检数据并不理想  
但当时早有预感视频数据的结果比自检数据还会好  
>  
以结果最好的Bright.avi为例  
阳性 : 阴性 = 147 : 591 ≈ 1 : 4  
>
>测试集结果  
svm_auto.xml 23,963KB  
TP: 120 TN: 470  
FP: 0 FN: 0  
Accuracy: 1  
Precision: 1  
Recall: 1  
F-score: 1  
Total timecost: 3.788s  
>下一步计划：在Dark.avi等之上测试  
（备选）用SSD改进算法；在SVM之前做卷积池化；用模拟退火算法寻找最优卷积核  
同步进行YOLO试验

###### YOLO v3的python版本
> 基于一块单片机（Nano）的板子实现对图片的Inference；这里的Inference使用的是COCO的数据集，未进行新的数据的训练，更改detect.py至可以直接调用CSI摄像头（鱼眼摄像头），速度约为0.7s检测一张图片
>
> 在本地计算机的GPU上，Inference约为0.2s一张图片，相比Nano上未调用摄像头的速度（0.6s），推测在本地计算机使用GPU+调用摄像头得到的帧数并不能够提高到12帧左右
>
>考虑使用C++

Power-Plant-Inspector

Power-Plant-Inspector Latest Version Download

Today's picks

Was this content helpful?

Recent Feedback

Power-Plant-Inspector

Power-Plant-Inspector Latest Version Download

Today's picks

Was this content helpful?

Recent Feedback

Download README