一种机巡图像高质量压缩管理方法、系统、介质及设备与流程

本发明涉及机巡图像数据处理，具体涉及一种机巡图像高质量压缩管理方法、系统、介质及设备。

背景技术：

1、随着社会的快速发展，对于图像数据的需求日益增加，特别是在安全监控、医疗诊断、遥感探测等领域，通过无人机巡检的方式采集图像数据便捷高效，使得对机巡图像的处理量呈爆炸性增长。传统的图像压缩方法在压缩比和压缩质量上往往难以兼顾，无法满足日益增长的数据处理需求。因此，研究一种机巡图像高质量压缩管理方法具有重要的现实意义。

2、现有的机巡图像高质量压缩管理方法通过以下方法进行压缩管理，基于预测的压缩方法，如运动补偿编码，通过预测当前图像块与参考图像块之间的差异进行压缩；基于小波变换的压缩方法，如小波变换编码，通过小波变换实现图像的多级分解实现压缩。

3、例如公开号为cn109325605a的专利申请公开的基于增强现实ar技术的电力信通机房巡检平台及巡检方法，包括：采用rfid电子标签对设备及巡检人员进行定位，通过增强现实ar设备实现信息交互，通过大数据接口连接信通网管系统和机房监控系统。

4、例如公开号为cn114187057a的专利申请公开的一种电力营销数据采集方法、装置、设备及可读存储介质，包括：获取目标变更数据以及目标变更数据对应的目标地址和时间编码，目标变更数据为电力营销相关业务更新后的数据；基于目标变更数据对应的目标地址和时间编码，对目标变更数据进行分类、排序得到多个分组数据；基于时间编码对分组数据分别进行重组构建数据图像，然后结合离散高斯函数与空域压缩采样的复合处理方式对数据图像进行压缩处理得到目标压缩数据；基于目标压缩数据对应的时间编码以及目标地址，依次将各个目标压缩数据发送至其所对应的数据接收模块；对应的数据接收模块根据sisr算法对目标压缩数据解压重构，得到电力营销数据。

5、但是，上述技术至少存在如下技术问题：现有技术中，无人机巡检为保证图像质量，采用高清摄像头采集高清图像，高清图像在线传输的数据量大、传输延迟长，传输效率底下等问题，且现有技术所用算法虽满足图像质量，但是在实际传输的有限宽带情况下占用算力较大、消耗资源较多，图像数据处理实时性和实用性都较差，存在难以提高机巡图像高质量压缩传输管理的有效性问题。

技术实现思路

1、本发明的目的在于提供一种机巡图像高质量压缩管理方法、系统、介质及设备，解决了现有技术中存在难以提高机巡图像高质量压缩传输管理的有效性问题，提高了机巡图像高质量压缩传输管理的有效性。

2、为了实现上述目的，本发明采用的技术方案是：一种机巡图像高质量压缩管理方法，包括以下步骤：

3、通过移动巡检采集前端采集高清巡检原始图像；

4、根据实际实时性需求参数与算力限制参数评估分析目标压缩算法模型，根据目标压缩算法模型分析结果判断选择目标压缩算法模型；

5、对目标压缩算法模型进行轻量化，通过轻量化目标压缩算法模型对高清巡检原始图像进行压缩处理，得到压缩高清巡检图像，并传输至移动巡检管理处理后端；

6、在移动巡检管理处理后端通过后端神经网络模型对压缩高清巡检图像进行解码恢复，得到解码高清巡检图像；

7、通过解码高清巡检图像与对应的高清巡检原始图像对比分析得到解码恢复效果评估结果，根据解码恢复效果评估结果判断调整后端神经网络模型参数。

8、进一步地，所述根据实际实时性需求参数与算力限制参数评估分析目标压缩算法模型的具体过程为：

9、评估判断确定移动巡检采集前端数据采集、数据处理和数据传输与移动巡检管理处理后端数据处理的时间总时长，与图像处理实际实时性需求参数对比，得到移动巡检采集前端综合数据处理允许总时长；

10、采集移动巡检采集前端实际实时数据处理算例参数，结合移动巡检采集前端综合数据处理允许总时长分段计算分析得到实时数据处理算力允许比特值；

11、通过不同的压缩算法分别对大量的高清巡检原始图像进行压缩处理，得到大量对应的压缩高清巡检图像，将压缩高清巡检图像与高清巡检原始图像对比分析得到不同的压缩算法的压缩效果参数；

12、将不同的压缩算法和不同的压缩算法的压缩效果参数向对应压缩处理的高清巡检原始图像进行数据标注，得到大量的压缩算法标注高清巡检原始图像；

13、将大量的压缩算法标注高清巡检原始图像随机分成两部分，分别作为训练集和测试集，通过训练集和测试集分别构建和训练前端神经网络模型，通过前端神经网络模型分析，得到目标压缩算法模型分析结果。

14、进一步地，所述得到目标压缩算法模型分析结果，具体包括：

15、通过前端神经网络模型多次分析得到大量不同的压缩算法对应的压缩效果特征值，所述压缩效果特征值用于描述对于压缩算法标注高清巡检原始图像应用于一种压缩算法时对应的压缩效果评估值；

16、将大量不同的压缩算法对应的压缩效果特征值按对应压缩算法类型分类，计算得到同一类的压缩算法的压缩效果特征平均值；

17、将压缩效果特征平均值按从大到小的顺序排列，将压缩效果特征平均值最大对应的压缩算法作为目标压缩算法模型。

18、进一步地，所述对目标压缩算法模型进行轻量化的具体过程为：

19、根据目标压缩算法模型中的模型层级或模型过滤器的权重进行权重剪枝，权重剪枝包括识别模型权重、模型权重稀疏化、模型权重量化、模型剪枝调整；

20、对权重剪枝后的目标压缩算法模型进行评估分析，得到目标压缩算法模型轻量化效果评估值，所述目标压缩算法模型轻量化效果评估值用于描述目标压缩算法模型进行权重剪枝后的模型压缩效果负向变化程度水平。

21、进一步地，所述在移动巡检管理处理后端通过后端神经网络模型对压缩高清巡检图像进行解码恢复的具体过程为：

22、设定后端神经网络模型残差块的初始个数，读入压缩高清巡检图像并进行归一化，得到归一化压缩高清巡检图像；

23、将归一化压缩高清巡检图像与对应的高清巡检原始图像作为一组图像对，选用大量图像对作为训练集，设定图像解码目标函数；

24、使用随机切块的方式进行训练，使用随机梯度下降法求解后端神经网络模型的权重和偏置，设置学习率，在后端神经网络模型的每次迭代过程中，计算梯度并更新模型参数，多次迭代后使用尺寸更大的残差块对训练结果进行微调；

25、后端神经网络模型收敛后，得到后端神经网络应用模型。

26、进一步地，所述得到解码高清巡检图像，还包括：

27、采用分块推理的方式将归一化压缩高清巡检图像拆分为若干块，得到若干块的小块压缩高清巡检图像，所述小块压缩高清巡检图像的图像大小由移动巡检管理处理后端图像处理最大性能决定；

28、每一块的小块压缩高清巡检图像输入后端神经网络应用模型后，得到小块解码高清巡检图像，将所有小块解码高清巡检图像按照原先拆分位置拼接为输出图像，得到解码高清巡检图像。

29、进一步地，所述通过解码高清巡检图像与对应的高清巡检原始图像对比分析得到解码恢复效果评估结果的具体过程为：

30、采集解码高清巡检图像的解码恢复时间参数；

31、通过解码高清巡检图像与对应的高清巡检原始图像分别对比分析得到色彩一致性指数差值参数和图像分辨率差值参数；

32、由此分析得到解码恢复效果评估结果，得到后端解码恢复效果评估值，所述后端解码恢复效果评估值用于描述移动巡检管理处理后端得到解码高清巡检图像的模型解码效果负向变化程度水平。

33、本发明还提供了一种机巡图像高质量压缩管理系统，所述机巡图像高质量压缩管理系统包括：图像采集模块、压缩算法判断分析模块、轻量化压缩处理模块、后端解码恢复模块和后端判断调整模块；

34、其中，所述图像采集模块，用于通过移动巡检采集前端采集高清巡检原始图像；

35、所述压缩算法判断分析模块，用于根据实际实时性需求参数与算力限制参数评估分析目标压缩算法模型，根据目标压缩算法模型分析结果判断选择目标压缩算法模型；

36、所述轻量化压缩处理模块，用于对目标压缩算法模型进行轻量化，通过轻量化目标压缩算法模型对高清巡检原始图像进行压缩处理，得到压缩高清巡检图像，并传输至移动巡检管理处理后端；

37、所述后端解码恢复模块，用于在移动巡检管理处理后端通过后端神经网络模型对压缩高清巡检图像进行解码恢复，得到解码高清巡检图像；

38、所述后端判断调整模块，用于通过解码高清巡检图像与对应的高清巡检原始图像对比分析得到解码恢复效果评估结果，根据解码恢复效果评估结果判断调整后端神经网络模型参数。

39、本发明还提供了一种计算机可读存储介质，用于存储程序，所述程序被处理器执行时实现所述机巡图像高质量压缩管理方法。

40、本发明还提供了一种应用所述机巡图像高质量压缩管理方法的设备，包括：移动巡检采集设备、移动巡检压缩设备、后端管理解码恢复设备和机巡图像数据处理传输平台；

41、其中，所述移动巡检采集设备，用于采集高清巡检原始图像；

42、所述移动巡检压缩设备，用于对目标压缩算法模型进行轻量化，通过轻量化目标压缩算法模型对高清巡检原始图像进行压缩处理；

43、所述后端管理解码恢复设备，用于通过后端神经网络模型对压缩高清巡检图像进行解码恢复；

44、所述机巡图像数据处理传输平台，用于根据目标压缩算法模型分析结果判断选择目标压缩算法模型和通过解码高清巡检图像与对应的高清巡检原始图像对比分析得到解码恢复效果评估结果。

45、与现有技术相比，本发明具有以下有益效果：

46、1、通过轻量化目标压缩算法模型对高清巡检原始图像进行压缩处理，在移动巡检管理处理后端通过后端神经网络模型对压缩高清巡检图像进行解码恢复，从而实现了移动巡检采集前端大比例压缩和移动巡检管理处理后端高质量恢复的非对称性图像编解码技术，进而达到了提高机巡图像高质量压缩传输管理的有效性的效果，解决了现有技术中存在难以提高机巡图像高质量压缩传输管理的有效性问题。

47、2、通过轻量化目标压缩算法模型对高清巡检原始图像进行压缩处理，轻量化可以大幅度减少模型参数和大小，在硬件上的运行速度会更快，从而易于部署在资源受限的环境中部署，进而实现了提高机巡图像高质量压缩传输管理的全面适用性。

48、3、通过移动巡检管理处理后端通过后端神经网络模型对压缩高清巡检图像进行解码恢复，神经网络模型可以快速处理大量图像，且在训练后能够准确地还原压缩损失的图像信息，从而相比于原始的高清图像，恢复后的图像可以在保持质量的同时，减少存储和传输所需的资源，进而实现了提高机巡图像高质量压缩传输管理的效率。