申请/专利权人：安徽理工大学

申请日：2023-12-11

公开（公告）日：2024-04-16

公开（公告）号：CN117893846A

主分类号：G06V10/774

分类号：G06V10/774;G06V10/80;G06V10/82;G06V10/25;G06V20/70;G06T7/00

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.03#实质审查的生效;2024.04.16#公开

摘要：本发明公开了一种基于深度学习目标检测算法的电铲斗齿计数方法，涉及电铲斗齿的缺失检测技术领域，通过构建EfficientDet目标检测网络，对电铲铲斗图片进行模型训练与验证，在验证集中表现优异的模型作为最终的电铲斗齿计数模型，由该模型对处于工作状态下的电铲铲斗图片进行铲斗齿数检测，并给出相应提示操作。EfficientDet是一种轻量高效的目标检测算法，它结合了EfficientNet的特征提取能力和BiFPN的多尺度融合机制。在小物体数量众多的场景中，EfficientDet具有高速度和准确性的优势。

主权项：1.一种基于深度学习目标检测算法的电铲斗齿计数方法，其特征在于：包括以下步骤S1、采集电铲正常工作状态下的电铲斗齿图像，对电铲斗齿图像进行数据增强操作；并对数据增强后的电铲斗齿图像进行人工标注，创建一个图像数据集；S2、将图像数据集划分为训练集和验证集；S3、基于EfficientDet目标检测算法构建电铲斗齿计数网络，电铲斗齿计数网络包括用于特征提取的EfficientNet主干网络、用于多层次特征融合和自适应尺度调整的双向特征金字塔网络、用于预测目标类别的分类预测网络层以及用于预测目标位置的边界框预测网络层；S4、将步骤S2中得到的训练集作为电铲斗齿计数网络的输入，进行多次迭代训练得到电铲斗齿计数模型，并将在验证集中预测最准确的的模型作为最终的电铲斗齿计数模型；S5、使用训练好的电铲斗齿计数模型对实时采集到的电铲斗齿图像进行斗齿计数，如果此时满齿则电铲正常工作；如果此时不满齿则进行报警提示。

全文数据：

权利要求：

百度查询： 安徽理工大学 一种基于深度学习目标检测算法的电铲斗齿计数方法

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