申请/专利权人：长春理工大学

申请日：2023-12-25

公开（公告）日：2024-04-16

公开（公告）号：CN117893795A

主分类号：G06V10/764

分类号：G06V10/764;G06V10/44;G06V10/80;G06V10/82;G06N3/0464;G06F16/29;G06V10/25

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改进YOLOv5的GIS设备内表面金属微粒检测方法，在原始的YOLOv5的基础上进行改进，将YOLOv5的特征提取网络中引入CBAM注意力机制模块，通过拍摄GIS设备内表面金属微粒图片，并对拍摄图像进行预处理，采用预先训练的YOLOv5模型对内表面金属微粒进行识别。本发明可以实现内表面金属微粒的有效检测，节省了物力人力相较于现有方法，检测效果得到了明显的改善。相比已公开发明专利，本发明所公开的方法并不需要对网络进行特殊的设计，充分利用了已有的可用数据，采用通用的网络结构仍旧可以达到不错的实验效果，充分发挥了深度卷积网络的优势，对小目标微粒识别精度、准度、识别成功率和网络运行速度更高，满足对精度和工程实用性的要求。

主权项：1.一种基于改进YOLOv5的GIS设备内表面金属微粒检测方法，其特征在于，包括如下步骤：步骤一、在GIS设备内表面采集内表面金属微粒数据集，分别在在设备内部放置一个1920x1080分辨率的摄像头采集GIS设备内部视频，对采录的视频进行按帧截取，筛选微粒和无微粒的图片，并将图片格式转换为.jpg格式，最后利用LabelImg标注工具手动标注每一张图片，标注类别为Particle微粒，处理完成后生成对应的.xml格式文件，最后将.xml文件格式转换为YOLOv5的.txt文件格式，并将微粒数据集按照7:2:1划分训练集、测试集、验证集；步骤二、在输入端对数据集进行图片预处理，首先将图片进行高斯模糊、运动模糊、仿射变换处理，然后采用原YOLOv5中Mosaic数据增强方法进一步扩充数据集，自适应锚框大小，图片缩放比例为原图长宽比2:1缩放；步骤三、改进YOLOv5模型是在原YOLOv5上进行改进：1在原始YOLOv5算法的特征提取网络中，引入CBAM注意力机制模块，CBAM将偏移值添加到采样点上，使其更多地聚焦于前景目标，提高前景目标将对预测的影响，从而更好地检测微粒图像；2在1的基础上进一步改进模型，在特征提取网络中引入ATM自适应阈值模块，具有不同密度或遮挡的前景目标生成自适应筛选阈值，以缓解设备内部场景下的漏检；步骤四、将步骤一处理好的数据集图像放进改进的YOLOv5中进行特征提取，得到三个不同尺度的特征图；步骤五、将步骤四中得到的三个不同尺度的特征图进行融合，并使用非极大抑制NMS算法筛选候选框，得到最终的微粒检测框；步骤六、模型完成训练后，将待检测视频按帧逐次送入到模型中进行推理，通过模型输出中的类别置信度是否超过预定阀值来判断视频中GIS设备内部是否存在金属微粒。

全文数据：

权利要求：

百度查询： 长春理工大学 一种基于改进YOLOv5的GIS设备内表面金属微粒检测方法

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