申请/专利权人：湖北工业大学

申请日：2021-10-28

公开（公告）日：2024-04-30

公开（公告）号：CN114022432B

主分类号：G06T7/00

分类号：G06T7/00;G06T7/73;G06V10/764;G06V10/774;G06V10/82;G06N3/045;G06N3/0464;G06N3/048;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2024.04.30#授权;2022.02.25#实质审查的生效;2022.02.08#公开

摘要：本发明涉及绝缘子缺陷检测技术，具体涉及基于改进的yolov5的绝缘子缺陷检测方法，包括采集绝缘子图像形成数据集；使用LabelImg标注工具对数据集进行标注；对所采集的图像进行数据增强处理；在YOLOv5的骨干网络中引入tripletattention模块；优化损失函数；将CIoU作为改进YOLOv5算法的bounding‑box损失函数LossCIoU；训练改进后的网络；将绝缘子图像数据集输入训练好的YOLOv5网络，得到输入图片中是否存在有缺陷的绝缘子以及该缺陷所在位置。该方法减少了漏检，消除了通道与权值之间的间接对应，以较小的计算开销达到了提高准确率的效果，提高了模型预测框架的精确定位能力。

主权项：1.基于改进的yolov5的绝缘子缺陷检测方法，其特征在于：包括如下步骤：步骤1、采集绝缘子图像形成数据集；步骤2、使用LabelImg标注工具对数据集进行标注，标注类别为绝缘子和缺陷；步骤3、对所采集的图像进行数据增强处理，以扩充数据集；步骤4、在YOLOv5的骨干网络中引入tripletattention模块；步骤5、优化损失函数；将CIoU作为改进YOLOv5算法的bounding-box损失函数LossCIoU；CIoU定义为：其中，α为权重函数，ν是用来测量长宽比一致性的参数，c代表能够包含预测框和真实框的最小封闭区域的对角线距离，ρ2b，bgt代表预测框和真实框的中心点之间的欧氏距离，hgt、ωgt分别代表真实框的高度和宽度，hp、ωp分别代表预测框的高度和宽度；步骤6、对处理最终结果的非极大值抑制NMS方法进行优化；将Soft-NMS作为处理最终结果的方法：Soft-NMS的得分函数表达式为：其中，Si为预测框Bi的得分，BM为得分最高的预测框，Nt为重叠阈值，高斯惩罚函数，σ为一个根据经验选择超参数；步骤7、训练改进后的网络；设置学习率、学习率动量、批次大小、训练总轮次小、权重衰减和最大迭代次数作为训练参数，对改进的YOLOv5网络进行训练；步骤8、将收集的绝缘子图像数据集输入训练好的YOLOv5网络，得到输入图片中是否存在有缺陷的绝缘子以及该缺陷所在位置；所述tripletattention模块采用三个平行的分支结构，其中两个用于提取两个空间维度与通道维C之间的相互依赖关系，另一个提取空间特征依赖关系；在前两个分支中，tripletattention将原始输入旋转张量χ分别沿H轴和W轴逆时针旋转90°，并且将张量的形状由C×H×W转换为W×H×C和H×C×W；在第三个分支中，张量以其原始形状C×H×W输入，通过Z-pool层将C维度的张量缩减到2维，并将该维上的平均汇集特征和最大汇集特征连接起来；Z-pool定义为：Z-Poolχ＝[MaxPool0dχ,AvgPpool0dχ]其中，0d是最大池化操作和平均池化操作发生的第0维；将简化后的张量通过核大小为K的标准卷积层和批归一化层，将由Sigmoid激活函数生成的相应维数的注意权重加到旋转张量中；在最终输出时，第一个分支的输出沿H轴顺时针旋转90°，第二个分支的输出沿W轴顺时针旋转90°，以保证与输入的形状相同；最后，将三个分支的输出平均地聚合为输出；输出张量定义为：其中，σ为Sigmoid激活函数，ψ1、ψ2、ψ3分别代表tripletattention的三个分支中由核大小K定义的标准二维卷积层，分别表示tripletattention前两个分支中经过旋转后的张量，分别表示tripletattention三个分支中经过Z-pool层之后的张量。

全文数据：

权利要求：

百度查询： 湖北工业大学 基于改进的yolov5的绝缘子缺陷检测方法

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