申请/专利权人:浙江工业大学
申请日:2023-08-29
公开(公告)日:2023-12-26
公开(公告)号:CN117292107A
主分类号:G06V10/25
分类号:G06V10/25;G06V10/762;G06V10/82;G06V10/764;G06N3/0464;G06N3/082
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.01.12#实质审查的生效;2023.12.26#公开
摘要:本发明公开了一种基于轻量化YOLOv5的锅炉火焰检测算法,包括如下步骤:1Anchor设定:首先使用聚类算法对训练数据中的火焰目标进行聚类,得到一组锚框anchors;2网络架构:使用YOLOv5轻量级的卷积神经网络;3预测框生成:对于每个网格单元,模型会预测多个边界框;4预测类别:对于每个边界框,模型会预测每个类别的置信度分数;5NMS过滤:采用非极大值抑制NMS算法,筛选出最有可能的目标检测结果;6经过处理后,最终的输出是预测的目标边界框以及对应的类别概率;本发明YOLOv5支持多尺度检测,可以检测不同大小的火焰,在锅炉火焰检测中,实时性非常重要,因为能够及时监测火焰状态并采取措施是至关重要的。
主权项:1.一种基于轻量化YOLOv5的锅炉火焰检测算法,其特征在于,包括如下步骤:1Anchor设定:在训练阶段,首先使用聚类算法对训练数据中的火焰目标进行聚类,得到一组锚框anchors,用于定义模型在不同尺度下对目标的预测;2网络架构:YOLOv5轻量级的卷积神经网络,包含多个卷积层、池化层和激活函数,网络的输出是一个多尺度的特征图,每个网格单元对应一组预测框和目标类别;3预测框生成:对于每个网格单元,模型会预测多个边界框,边界框定义了不同尺度下可能出现的目标位置,每个边界框包括位置信息以及对应目标类别的概率;4预测类别:对于每个边界框,模型会预测每个类别的置信度分数,表示该边界框内存在某个目标的概率;5NMS过滤:为了排除重复的检测框,采用非极大值抑制NMS算法,筛选出最有可能的目标检测结果;6经过处理后,最终的输出是预测的目标边界框以及对应的类别概率,边界框能够表示图像中检测到的火焰目标位置和类别。
全文数据:
权利要求:
百度查询: 浙江工业大学 一种基于轻量化YOLOv5的锅炉火焰检测算法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。