一种基于Attention+YOLOv3的空调外机图像智能检测方法、设备及介质技术

本发明专利技术涉及一种基于Attention+YOLOv3的空调外机图像智能检测方法、设备及介质，包括：(1)数据采集；(2)数据预处理；(3)构建Attention+YOLOv3模型；(4)训练：将训练集输入Attention+YOLOv3模型中，训练结束后得到权重文件；(5)测试；(6)边缘服务器端及云平台部署；(7)实时检测并更新训练。本发明专利技术采用YOLOv3对空调外机图像进行目标检测，将目标检测算法应用于空调外机画像检测工业场景。在YOLOv3主体网络DarkNet‑53的残差单元中引入Attention机制，增强特征图的表达能力，从而提高模型识别目标的能力。

【技术实现步骤摘要】
一种基于Attention+YOLOv3的空调外机图像智能检测方法、设备及介质
本专利技术涉及空调外机图像智能检测
，特别涉及一种5G云边协同模式下的基于Attention+YOLOv3的空调外机图像智能检测方法、设备及存储介质。
技术介绍
由于空调外机型号的差异，所贴图标会有所不同，配套使用的连接管种类也不同。在当前，企业仍使用人工检测的方法，这种检测方法耗时耗力，并且有时因员工自身原因可能会产生误差。在工业互联网的背景下，我们希望减少直接接触，导入更多人工智能参与的环节，我们将神经网络应用于图像目标检测，取代传统的依靠人工进行检测的方法，从而可以实时快速地判断该产品的配套连接管与图标是否准确，同时向工厂实时反馈结果，高效率、低成本地完成空调外机检测，从而更有效地管理产线，增强灵活性，降低生产成本，提升企业效益。目前为止，空调外机图像的相关智能检测技术还很少，我们期待研究相关技术并应用于该场景。目前，目标检测被广泛应用于人脸检测、车辆检测、行人检测等许多领域，特别是随着深度卷积神经网络在计算机视觉领域的深入研究，以YOL本文档来自技高网...

【技术保护点】
1.一种5G云边协同模式下的基于Attention+YOLOv3的空调外机图像智能检测方法，其特征在于，包括步骤如下：/n(1)数据采集：捕获并储存空调外机画像；/n(2)数据预处理：/n对步骤(1)采集到的空调外机画像进行人工标注，得到样本数据集；/n对样本数据集进行分类，分为训练集、验证集、测试集；/n创建训练相关配置文件，包含数据地址、目标类别数、目标类别名称、网络cfg文件；数据地址为样本数据集存储地址，目标类别数为画像中人工标记的待测目标的种类数，目标类别名称为自定义的待测目标的名称，在网络cfg文件中配置网络参数，在训练程序中解析cfg文件，组织网络结构；/n(3)构建Attent...

【技术特征摘要】
20210226 CN 20211021735601.一种5G云边协同模式下的基于Attention+YOLOv3的空调外机图像智能检测方法，其特征在于，包括步骤如下：
(1)数据采集：捕获并储存空调外机画像；
(2)数据预处理：
对步骤(1)采集到的空调外机画像进行人工标注，得到样本数据集；
对样本数据集进行分类，分为训练集、验证集、测试集；
创建训练相关配置文件，包含数据地址、目标类别数、目标类别名称、网络cfg文件；数据地址为样本数据集存储地址，目标类别数为画像中人工标记的待测目标的种类数，目标类别名称为自定义的待测目标的名称，在网络cfg文件中配置网络参数，在训练程序中解析cfg文件，组织网络结构；
(3)构建Attention+YOLOv3模型：
在YOLOv3主体网络DarkNet-53的残差连接中加入注意力机制，使得具有注意力的权重加权到输出特征图；
(4)训练：
将训练集输入Attention+YOLOv3模型中，训练结束后得到权重参数；
(5)测试：
加载步骤(4)得到的权重参数，在测试集上测试Attention+YOLOv3模型的性能，得到查全率Recall、查准率Precision；
(6)边缘服务器端及云平台部署：
基于5G云边协同模式下的空调外机检测系统包括云平台、边缘服务器及若干边缘传感设备，云平台向下连接边缘服务器，边缘服务器端向下分别连接若干边缘传感设备；
实时检测实际产线上的边缘传感设备捕获的空调外机画像，在边缘服务器进行检测，并显示检测结果，将检测结果合格的空调外机画像上传至云平台，更新云平台中的样本数据集；
(7)实时检测并更新训练：
实时检测实际产线上的边缘传感设备捕获的空调外机画像，并显示检测结果，将检测结果合格的空调外机画像上传至云平台，更新云平台中的样本数据集；
在云平台中，利用更新后的样本数据集，周期性的对Attention+YOLOv3模型进行训练，更新Attention+YOLOv3模型的权重参数，并将更新后的Attention+YOLOv3模型下发至边缘服务器。


2.根据权利要求1所述的一种5G云边协同模式下的基于Attention+YOLOv3的空调外机图像智能检测方法，其特征在于，所述Attention+YOLOv3模型包括多个残差单元，每个残差单元包含两个分支：主干分支和注意力分支；
主干分支：对图像进行特征提取，生成与原始图像尺寸相同的特征图；
注意力分支：首先通过下采样层，逐渐提取高层特征并增大Attention+YOLOv3模型的感受野，下采样通过池化完成，再通过与下采样层层数相同的上采样层，将特征图的尺寸放大为与原始图像尺寸相同的特征图，上采样通过双线性插值完成，最终生成注意力掩码。


3.根据权利要求2所述的一种5G云边协同模式下的基于Attention+YOLOv3的空调外机图像智能检测方法，其特征在于，对图像进行特征提取，生成与原始图像尺寸相同的特征图，是指：将原始图像x输入残差单元，主干分支输出提取到的特征图T(x)，注意力分支输出注意力掩码M(x)；T(x)通过自己的M(x)学习针对其特征的注意力,M(x)相当于T(x)的软权重；在残差单元中加入恒等映射，则残差单元输出的特征图H(x)如式(Ⅲ)所示：
H(x)＝(1+M(x))*T(x)(Ⅲ)
式(Ⅲ)中，M(x)的取值范围为[0，1]，当M(x)近似于0时，H(x)将近似于原始特征图T(x)；
主干分支输出提取到的特征图T(x)与注意力分支输出注意力掩码M(x)进行融合时，主干分支输出提取到的特征图T(x)与注意力分支输出注意力掩码M(x)进行对应像素点的之间相乘，将注意力分支输出注意力掩码M(x)的权重分配到主干分支输出提取到的特征图T(x)上。


4.根据权利要求1所述的一种5G云边协同模式下的基于Attention+YOLOv3的空调外机图像智能检...

【专利技术属性】
技术研发人员：张海霞，狄子钧，袁东风，
申请(专利权)人：山东大学，
类型：发明
国别省市：山东;37