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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD