【技术实现步骤摘要】
一种基于改进YOLOv5s的安全设备检测方法
[0001]本专利技术涉及图像处理检测
,具体涉及一种基于改进YOLOv5s的安全设备检测方法。
技术介绍
[0002]安全帽、口罩等安全设备无论是在生活还是在工业生产都是必不可少的重要防护手段。安全设备不仅关乎着佩戴者的生命安全,更关系着企业的良好经营。因此在日常生活和生产过程中检测安全设备至关重要。但在现实生活中,常常会出现对小目标检测的漏检误检等问题,所以如何对安全设备进行高效、精准的检测是目标检测领域的重要研究方向之一。
[0003]目前,关于使用智能技术对安全设备技术进行检测,不仅是对企业还是在当前新冠流行的公共场所下,都具有紧迫和强烈的需求。对此,国内外许多的学者在提高目标检测的准确度做出了贡献。Han等人针对现有安全帽检测方法精度低的问题,提出了一种基于单发多箱检测器的新型物体检测算法。该算法对低级特征采用空间注意机制,对高级特征采用通道注意机制,进一步细化对象区域的特征信息,提高了对安全帽的检测准确度。Deng等人改进了YOLOv3算法,通过集成CSPNet和GhostNet组成骨干网络以及提出新的轻量级多尺度特征提取网络(PAN
‑
CSP
‑
Resnet)将模型在计算成本和安全帽检测效果方面得到明显提升。Jian等人考虑到口罩检测任务的准确性和推理速度,通过迁移学习、数据增强和模型压缩方法,提出了一种基于PP
‑
YOLO的PP
‑
YOLO
‑
Mask检 ...
【技术保护点】
【技术特征摘要】
1.一种基于改进YOLOv5s的安全设备检测方法,其特征在于,包括以下步骤:S1:获取安全设备图片数据集,对样本数据集中目标检测物进行标注,并分为训练集和测试集;S2:数据集进行预处理分析,进行CutMix与MixUp混合数据增强,使用超参数scale、shear操作进行处理;S3:构建基于改进YOLOv5s模型的安全设备检测网络模型,所述网络模型具体包括输入Input、主干网络Backbone、颈部Neck和输出Output;所述主干网络Backbone为轻量级MobileNetV3网络;颈部Neck包括FPN和PAN模块,且加入浅层特征提取层,并在FPN上采样过程引入轻量级算子CARAFE++,对上采样过程的全图语义信息进行优化;S4:采用训练集对安全设备检测网络模型进行训练,获取网络模型的各个参数,得到训练后的安全设备检测网络模型;S5:采用测试数据集对训练后的安全设备检测网络模型进行测试,对测试结果进行评价。2.根据权利要求1所述的一种基于改进YOLOv5s的安全设备检测方法,其特征在于,所述步骤S1的具体方法如下:S1.1:获得不同种类的安全设备图片数据集;S1.2:使用LabelImg软件对安全设备数据集中的各类目标检测物进行人工标注,安全设备种类包括安全帽、护目镜、口罩和手套;S1.3:将标注好的安全设备数据集按一定比例划分为训练集和测试集。3.根据权利要求1所述的一种基于改进YOLOv5s的安全设备检测方法,其特征在于,所述步骤S2的具体方法如下:S2.1:利用CutMix与MixUp混合数据增强方式,扩充样本数据集;S2.2:MixUp将不同类之间的图像进行混合,从而达到扩充训练数据集的作用,具体为:具体为:式中,和分别是训练数据中随机抽取的两个样本(x
i
,y
i
),(x
j
,y
j
)混合后的图像和标签,λ是从给定的贝塔分布中取得的随机数;S2.3:CutMix在训练图像之间裁切出随机矩形的部分图像进行拼接生成新的图像,从新样本中两个原样本的比例确定新的混合标签的比例,确保图像中信息的连续性,具体为:具体为:其中,M∈{0,1}
W
×
H
表示一个二进制掩码,标记出两幅图像裁切和填充的位置,两个数据点之间的随机数λ从贝塔分布采样,即λ从均匀分布(0,1)采样,W和H表示分别表示图像的宽和高;S2.4:对经过CutMix与MixUp混合数据增强处理后的安全设备图像使用超参数scale、shear操作进行处理。4.根据权利要求1所述的一种基于改进YOLOv5s的安全设备检测方法,其特征在于,所述步骤S3中MobileNetV3网络进行特征提取的具体方法如下:
所述MobileNetV3网络结构包含多种尺寸和深度的可分离卷积块Bneck、批量归一化层BN、SE注意力机制模块、H
‑
swish激活函数;S3.1.1:对预训练数据集图片进行切片操作,经过一次32个卷积核的卷积操作,最终变成大小为原图像一半以及通道数为32的特征图;S3.1.2:CBH模块由卷积层、批量归一化层BN和H
‑
swish激活组成,通过CBH模块对特征图进行卷积、批量归一化和激活操作,其中卷积层的步距为2,使用的激活函数H
‑
swish是在RELU6激活函数的基础上修改,其原理为:RELU6(x)=min(max(x,0),6)
ꢀꢀꢀꢀꢀꢀꢀ
(5)此时特征图的通道数为16;S3.1.3:进入可分离卷积块Bneck后对特征图进行第一次特征提取,经过3个可...
【专利技术属性】
技术研发人员:叶德阳,邱军林,邵鹤帅,高丽,蒋晓玲,陈礼青,李敏,周健,马志鹏,于金玉,
申请(专利权)人:淮阴工学院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。