一种基于改进yolov5的多模态管涌检测方法及系统技术方案

本发明专利技术涉及计算机视觉领域，提供一种基于改进yolov5的多模态管涌检测方法及系统，包括：S1：构建第一模态训练图像数据集、第二模态训练图像数据集和第三模态训练图像数据集；S2：通过所述第一模态训练图像数据集、所述第二模态训练图像数据集和所述第三模态训练图像数据集对所述改进yolov5模型进行训练，获得训练好的改进yolov5模型；S3：将待检测图像输入所述训练好的改进yolov5模型，获得管涌检测结果。本发明专利技术通过在原始yolov5模型中加入CBAM注意力网络和Focalloss焦点损失函数，并将GIOULoss损失函数替换成CIOULoss损失函数，整体提升了yolov5模型的检测性能和鲁棒性；使得训练好的改进yolov5模型能进行三种环境的管涌检测，无需训练多个模型，提高了yolov5模型的管涌检测效率。的管涌检测效率。的管涌检测效率。

【技术实现步骤摘要】
一种基于改进yolov5的多模态管涌检测方法及系统


[0001]本专利技术涉及计算机视觉领域，尤其涉及一种基于改进yolov5的多模态管涌检测方法及系统。

技术介绍

[0002]计算机视觉领域中，目标检测是其基础任务之一，可以广泛应用于工业检测、人脸识别、军事、户外监控等领域。
[0003]在进行管涌检测时的检测环境通常较为复杂，获取的管涌检测图像往往是可见光图像、红外光图像以及两者并存的图像都有，然而目前利用计算机视觉的方法检测管涌都是单一的输入检测，针对不同种类检测环境的检测需求，需要训练对应的检测模型，对于可见光图像、红外光图像以及两者并存的图像均需要构建分开的独立检测模型，因此需要大量的前期训练模型的工作，极大降低了管涌检测的效率，无法满足当前管涌检测的需求。
[0004]上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是现有技术。

技术实现思路

[0005]为解决上述技术问题，本专利技术提供一种基于改进yolov5的多模态管涌检测方法，包括：
[0006]S1：获取管涌训练图像数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进yolov5的多模态管涌检测方法，其特征在于，包括：S1：获取管涌训练图像数据集，将所述管涌训练图像数据集分为可见光训练图像数据集和红外光训练图像数据集，通过所述可见光训练图像数据集和所述红外光训练图像数据集构建第一模态训练图像数据集、第二模态训练图像数据集和第三模态训练图像数据集；S2：对原始yolov5模型进行改进，获得改进yolov5模型，通过所述第一模态训练图像数据集、所述第二模态训练图像数据集和所述第三模态训练图像数据集对所述改进yolov5模型进行训练，获得训练好的改进yolov5模型；S3：将待检测图像输入所述训练好的改进yolov5模型，获得管涌检测结果。2.根据权利要求1所述的基于改进yolov5的多模态管涌检测方法，其特征在于：所述第一模态训练图像数据集包括可见光与红外光并存训练图像；所述第二模态训练图像数据集包括可见光训练图像；所述第三模态训练图像数据集包括红外光训练图像。3.根据权利要求1所述的基于改进yolov5的多模态管涌检测方法，其特征在于：所述原始yolov5模型包括：backbone网络、PANet网络和output网络；所述改进yolov5模型的结构具体为：在所述原始yolov5模型的backbone网络中嵌入CBAM注意力网络和Focal loss焦点损失函数，将所述原始yolov5模型的backbone网络中的GIOULoss损失函数替换成CIOULoss损失函数。4.根据权利要求1所述的基于改进yolov5的多模态管涌检测方法，其特征在于，所述改进yolov5模型的训练过程为：通过所述第一模态训练图像数据集对所述改进yolov5模型进行训练，训练完成后获得改进yolov5模型的第一检测网络，所述第一检测网络可在可见...

【专利技术属性】
技术研发人员：程家明，孙建国，向东，黄银洲，万旭，
申请(专利权)人：武汉兴图新科电子股份有限公司，
类型：发明
国别省市：