申请/专利权人：中国矿业大学

申请日：2023-10-11

公开（公告）日：2024-03-29

公开（公告）号：CN117152419B

主分类号：G06V10/25

分类号：G06V10/25;G06V10/764;G06V10/77;G06V10/80;G06V10/82

优先权：

专利状态码：有效-授权

法律状态：2024.03.29#授权;2023.12.19#实质审查的生效;2023.12.01#公开

摘要：一种矿井架空乘人装置人员违规携带物品的检测方法及系统，首先使用主干特征提取模块和特征加强融合模块对物品特征进行收集，通过以YOLOv8m为教师模型、YOLOv8s为学生模型，对特征加强融合模块的输出添加知识蒸馏模块增强对信息的收集能力，再通过辅助信息加强模块对目标物品信息进行进一步检测，最后通过对定位网络和分类网络进行改进并且对YOLOv8的分类损失进行改进，加强定位与分类的准确性，分类之后的信息流传输到警报系统实现对违规产品的检测。加强对矿井架空乘人装置人员携带违规物品的检测能力。

主权项：1.一种矿井架空乘人装置人员违规携带物品的检测方法，其特征在于：所述方法包括下列步骤：步骤1：通过工业相机对矿井架空乘人装置待检测区域的图像信息进行收集，预处理后将工业相机收集到的信息传输到计算机进行进一步的处理，以YOLOv8m为教师模型、YOLOv8s为学生模型，作为主干提取模块，并将不同尺寸的特征输入不同规模的YOLOv8解耦检测头；步骤1中以YOLOv8m为教师模型、YOLOv8s为学生模型，对特征加强融合模块的输出添加知识蒸馏模块，将主干特征提取模块的浅层特征和深层特征通过特征加强融合模块来将二者融合；步骤2：以可扩张卷积和空洞卷积为基础，得到上下文和细节感知模块辅助模型自主学习重要的细节信息；步骤2中，使用可变形卷积代替常规空洞卷积模块，辅助模型自主学习重要的细节信息并将各分支同一位置的1×1卷积的权重共享；步骤3：将步骤2获得的信息通过辅助信息加强模块对已知矿产和未知的违规行为进行进一步分析，以此对物品进行进一步分类；在步骤3和步骤4中，在辅助信息加强模块训练时，首先分别训练已知矿产的视觉特征与语义特征，并分别使用投影矩阵将其投影到CEmb维度的公共嵌入空间；其次，将未知的违规行为由已知行为的视觉信息和额外辅助信息线性表示，同时将YOLOv8分类模块中的卷积层输出由CClS更改为CEmb；最后，使用投影矩阵将所有待检测行为的语义向量投影到公共嵌入空间，并使用Softmax函数计算其与所有待检测行为类别的相似度，将相似度最高且大于阈值的行为类别赋作其类属，否则将其视为背景类；步骤4：将定位回归的网络结构进行冻结且不参与训练，完全使用原网络训练的参数和结构，将模型得到的信息进行定位；步骤5：将步骤3得到的分类信息和步骤4得到的定位信息传输到警报系统，如果信息属于违规物品，则警报系统报警。

全文数据：

权利要求：

百度查询： 中国矿业大学 一种矿井架空乘人装置人员违规携带物品的检测方法及系统

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