一种基于YOLOv5的电子区域检测方法技术

本发明专利技术公开了一种基于YOLOv5的电子区域检测方法。摄像头采集包含有闯入对象的变电站现场图像；用包围框进行标记处理，组建图像数据集A；对图像数据集A图像缩放后训练YOLOv5检测模型，获得检测模型A；图像中的每个检测框中的闯入对象用关键点标记触地点组建图像数据集B，用图像数据集B图像缩放后训练HRNet关键点检测网络，获得检测模型B；将实时采集的变电站现场图像依次输入经过检测模型A和触地点检测模型B处理获得触地点是否在电子区域内。本发明专利技术方法解决了普通检测框难以界定是否闯入的问题，变电站现场的识别结果表明，该识别方法的准确率更高，可应用于变电站电子区域检测的识别系统当中。的识别系统当中。的识别系统当中。

【技术实现步骤摘要】
一种基于YOLOv5的电子区域检测方法


[0001]本专利技术涉及了一种变电站电子区域拒止的方法，尤其是涉及了一种基于YOLOv5的电子区域检测方法。

技术介绍

[0002]随着我国电力系统的规模化发展，变电站数量激增，仅35千伏变电站数量达到了25000座以上。然而，由于能量属性，变电站中存在很多可能威胁到人员生命安全的设施。因此，现有变电站都会设置危险警示牌，对进入的人员进行安全警示。然而，简单的警示牌对于变电站电子区域拒止作用有限，每年因为变电站设备而发生的灾安全事故时有发生，因此亟需研发自动化的变电站电子区域拒止方法，降低安全风险。

技术实现思路

[0003]为了解决
技术介绍
中的问题，本专利技术提出了一种基于YOLOv5的电子区域检测方法，能高效进行变电站电子区域拒止并具有良好稳定性。
[0004]本专利技术的技术方案包括以下步骤：
[0005]1)通过摄像头拍摄采集包含有闯入对象的变电站现场图像(如图1所示)；
[0006]所述的闯入对象通常是指闯入电子区域的车或者人。
[0007]2)遍历所有变电站现场图像，对每张图像用矩形包围框针对闯入对象进行标记处理，获得对应的label文件，将label文件与原始的变电站现场图像共同构成图像数据集A；
[0008]3)针对图像数据集A中的变电站现场图像进行图像缩放，调整图像尺寸为640
×
640，对应的label文件也作同比例缩放，再通过缩放后的图像数据集A训练YOLOv5检测模型，获得检测模型A；
[0009]4)遍历图像数据集A，对每张图像中的每个包围框中的闯入对象用关键点进行标记触地点，获得对应的label文件，它与截取出的包围框中的闯入对象共同构成图像数据集B；
[0010]5)针对图像数据集B中的变电站现场图像进行图像缩放，调整图像尺寸为224
×
224，对应的label文件也作同比例缩放，再通过缩放后的图像数据集B训练HRNet关键点检测网络，获得触地点检测模型B；
[0011]6)将实时采集的变电站现场图像按照与步骤3)中相同的图像缩放方法进行缩放为640
×
640，作为检测模型A的输入，经过检测模型A处理获得闯入对象的位置框坐标；
[0012]7)将步骤6)得到的位置框对应的部分截取出来，按照与步骤5)中相同的图像缩放方法进行缩放为224
×
224，作为触地点检测模型B的输入，经过触地点检测模型B处理获得闯入对象的触地点坐标；
[0013]8)判断步骤7)得到的触地点坐标是否在预置的电子区域内，若在则发出预警信息，若不在则不预警。
[0014]所述的步骤1)中的变电站现场图像是指通过变电站内的摄像头采集获得的图像。
[0015]所述的步骤2)中的包围框为长方形框，表示成1
×
4的行向量，包含记录了长方形框的左上角和右下角对应的横纵坐标，包围框的横纵坐标被记录在label文件中，每个包围框对应一个label文件，每张变电站现场图像最多只含有一个包围框。
[0016]所述的步骤4)中的触地点指的是闯入对象与地面的接触点，若存在多个接触点的情况，则取多个触点的中心。
[0017]本专利技术方法首先基于YOLOv5目标检测检测闯入物体，接着将检测框截取出来输入到HRNet关键点检测网络，输出得到闯入物体的触地点，通过判断触地点的坐标是否在预置电子管控区域内，即可知道该物体是否闯入了电子管控区域，进而决定是否发出预警信息。
[0018]本专利技术具有的有益的效果是：
[0019]本专利技术方法解决了普通检测框难以界定是否闯入的问题，基于变电站场景的识别结果表明，该识别方法的准确率达到93.5％，相比传统直接用检测框界定是否闯入的方法，提高了9.56个百分点，可应用于变电站明火检测的识别系统当中。
附图说明
[0020]图1为实施例数据样本图片。
[0021]图2为实施例数据集A的图片与label样例。
[0022]图3为缩放后的实施例数据集A的图片与label样例。
[0023]图4为实施例数据集B的图片与label样例。
[0024]图5为缩放后的实施例数据集B的图片与label样例。
[0025]图6为实施例本方法触地点检测模型B的输出结果图，
×
位置为网络预测的触地点。图7为本方法与传统方法的比较示例图。
具体实施方式
[0026]下面结合附图及具体实施例对本专利技术作进一步详细说明。
[0027]按照本专利技术方法完整实施的实施例如下：
[0028]首先通过摄像头拍摄采集包含有闯入对象的变电站现场图像，如图1所示，本实施例一共采集到6000张，原始图片的大小为1920
×
1080像素，其中用于训练的图片有4000张，其余2000张图片作为测试图片；
[0029]遍历实施例所有4000张训练图片，对每张图像用矩形包围框针对闯入对象进行标记处理，如图2所示，获得对应的label文件，将label文件与训练图片共同构成图像数据集A；
[0030]针对图像数据集A中的变电站现场图像进行图像缩放，调整图像尺寸为640
×
640，对应的label文件也作同比例缩放，如图3所示，再通过缩放后的图像数据集A训练YOLOv5检测模型，获得检测模型A；
[0031]遍历图像数据集A，对每张图像中的每个包围框中的闯入对象用关键点进行标记触地点，如图4所示，获得对应的label文件，它与截取出的包围框中的闯入对象共同构成图像数据集B；
[0032]针对图像数据集B中的变电站现场图像进行图像缩放，调整图像尺寸为224
×
224，对应的label文件也作同比例缩放，如图5所示，再通过缩放后的图像数据集B训练HRNet关
键点检测网络，获得触地点检测模型B；
[0033]将测试集图像缩放为640
×
640，作为检测模型A的输入，经过检测模型A处理获得闯入对象的位置框坐标；
[0034]将步骤得到的位置框对应的部分截取出来，缩放为224
×
224，作为触地点检测模型B的输入，经过触地点检测模型B处理获得闯入对象的触地点坐标，如图6所示；
[0035]判断得到的触地点坐标是否在预置的电子区域内，若在则发出预警信息，若不在则不预警。
[0036]本专利技术的优势在于，如图7所示，预设虚线右边为电子管控区域，用传统的检测框难以判断是否闯入，但是通过本专利技术，可以清晰的界定为未闯入。
[0037]实验结果显示，采用基于YOLOv5的电子区域检测方法测试变电站现场测试集图片，电子区域检测方法的平均准确率为93.5％，相比传统直接用检测框界定是否闯入的方法，提高了9.56个百分点。
[0038]由此可见，本专利技术能够实现电子区域检测的高精度检测，并且具有稳定本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于YOLOv5的电子区域检测方法，其特征在于方法包括以下步骤：1)通过摄像头拍摄采集包含有闯入对象的变电站现场图像；2)遍历所有变电站现场图像，对每张图像用包围框针对闯入对象进行标记处理，获得对应的label文件，将label文件与原始的变电站现场图像共同构成图像数据集A；3)针对图像数据集A中的变电站现场图像进行图像缩放，对应的label文件也作同比例缩放，再通过缩放后的图像数据集A训练YOLOv5检测模型，获得检测模型A；4)遍历图像数据集A，对每张图像中的每个包围框中的闯入对象用关键点进行标记触地点，获得对应的label文件，它与截取出的包围框中的闯入对象共同构成图像数据集B；5)针对图像数据集B中的变电站现场图像进行图像缩放，对应的label文件也作同比例缩放，再通过缩放后的图像数据集B训练HRNet关键点检测网络，获得触地点检测模型B；6)将实时采集的变电站现场图像按照与步骤3)中相同的图像缩放方法进行缩放，作为检测模型A的输入，经过检测模型A处理获得闯入对象的位置框坐标；7)将步...

【专利技术属性】
技术研发人员：颜天佑，蔡蒂，刘福来，卢灏，王学良，
申请(专利权)人：广东电网有限责任公司广州供电局，
类型：发明
国别省市：