申请/专利权人：成都理工大学

申请日：2024-03-13

公开（公告）日：2024-04-12

公开（公告）号：CN117876848A

主分类号：G06V10/82

分类号：G06V10/82;G06V10/774;G06V10/776;G06N3/0455;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：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明公开了一种基于改进yolov5的复杂环境落石检测方法，属于灾害监测技术领域，步骤如下：获取落石图片数据集，并对落石图片数据集中的落石图片进行预处理，得到落石图片训练集和落石图片验证集；基于ECA注意力机制、BasicRFB模块构建GhostNet主干网络，并基于GhostNet主干网络对yolov5网络模型进行改进，得到改进的yolov5网络模型；对改进的yolov5网络模型进行训练和验证，得到落石检测网络模型；获取待检测的落石图片，并利用落石检测网络模型对待检测的落石图片进行预测，得到该待检测的落石图片的检测结果。本发明解决了复杂环境下山体落石检测效率低和准确度不足的问题。

主权项：1.一种基于改进yolov5的复杂环境落石检测方法，其特征在于，包括如下步骤：S1、获取落石图片数据集，并对落石图片数据集中的落石图片进行预处理，得到落石图片训练集和落石图片验证集；S2、基于ECA注意力机制、BasicRFB模块构建GhostNet主干网络，并基于GhostNet主干网络对yolov5网络模型进行改进，得到改进的yolov5网络模型；S3、利用落石图片训练集和落石图像验证集对改进的yolov5网络模型进行训练和验证，得到落石检测网络模型；S4、获取待检测的落石图片，并利用落石检测网络模型对待检测的落石图片进行预测，得到该待检测的落石图片的检测结果。

全文数据：

权利要求：

百度查询： 成都理工大学 基于改进yolov5的复杂环境落石检测方法

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