申请/专利权人:江西理工大学
申请日:2023-11-10
公开(公告)日:2024-04-16
公开(公告)号:CN117893874A
主分类号:G06V10/82
分类号:G06V10/82;G06V10/80;G06V10/44;G06T7/00;G06N3/0464;G06N3/08
优先权:
专利状态码:在审-公开
法律状态:2024.04.16#公开
摘要:本发明涉及铜转炉吹炼终点判断技术领域,具体涉及一种基于目标检测算法的铜转炉吹炼终点判断方法,该方法包括:获取铜转炉吹炼的高温熔体冷却样本图像作为输入图像;将Res2net‑ECA模块加入到Yolov5s目标检测模型中,并通过Alpha‑IOU损失函数替换Yolov5s目标检测模型中的IOU损失函数中的定位损失函数box_loss,得到Yolov5s‑Res2net‑ECA模型;将输入图像输入Yolov5s‑Res2net‑ECA模型,并通过Yolov5s‑Res2net‑ECA模型输出铜转炉吹炼终点判断结果。本发明通过将Res2net‑ECA模块加入到Yolov5s目标检测模型中,相比于原本Yolov5s模型神经网络层数大幅上升,但实际所需的参数却有所下降,这有助于减少模型的推理速度,使其更快更精准。
主权项:1.一种基于目标检测算法的铜转炉吹炼终点判断方法,其特征在于,包括:获取铜转炉吹炼的高温熔体冷却样本图像作为输入图像;在Res2net残差神经网络中加入ECA注意力机制模块,得到Res2net-ECA模块,所述Res2net-ECA模块用于对所述输入特征图像进行特征提取;将所述Res2net-ECA模块加入到Yolov5s目标检测模型中,并通过Alpha-IOU损失函数替换所述Yolov5s目标检测模型中的IOU损失函数中的定位损失函数box_loss,得到Yolov5s-Res2net-ECA模型;将所述输入图像输入所述Yolov5s-Res2net-ECA模型,并通过所述Yolov5s-Res2net-ECA模型输出铜转炉吹炼终点判断结果。
全文数据:
权利要求:
百度查询: 江西理工大学 一种基于目标检测算法的铜转炉吹炼终点判断方法
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。