一种基于改进YOLOv5的中学物理实验器材检测方法技术

本发明专利技术公开了一种基于改进YOLOv5的中学物理实验器材检测方法，包括如下步骤：S1.获取在多种场景下拍摄的物理实验器材数据集；S2.对采集到的数据集进行预处理并划分为训练集和测试集；S3.构建基于改进YOLOv5网络的检测模型，所述改进YOLOv5网络基于原YOLOv5网络，主干网络采用ShuffleNet网络，颈部网络采用Ghost

【技术实现步骤摘要】
一种基于改进YOLOv5的中学物理实验器材检测方法


[0001]本专利技术属于目标检测
，具体涉及一种基于改进YOLOv5的中学物理实验器材检测方法。

技术介绍

[0002]近年来，随着智能设备的广泛普及和目标检测技术的快速发展，将计算机视觉任务部署到移动终端的教学需求不断增加。目前，在智能化的中学物理实验考试中，需要在低算力，低功耗的移动平台上对物理实验器材进行类别检测与器材定位功能，获取实验器材类别及坐标信息，为判断电路连接工作提供保障。
[0003]目前，主流的目标检测算法主要分为两类：双阶段检测算法和单阶段检测算法。双阶段检测算法代表算法是Faster
‑
RCNN，其检测问题分为两个阶段：首先，生成候选区域，然后在候选区域内进行类别置信度计算及位置回归，最终得到目标的精确结果。该类算法虽然精确度略高但训练困难，且占用内存过大，不适合在移动端部署。单阶段目标检测算法代表是YOLO系列算法，其不需要生成候选区域，直接通过卷积操作最终生成目标的位置信息与分类置信度信息。其中单阶段目标检测算法速度比双阶段检测算法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进YOLOv5的中学物理实验器材检测方法，其特征在于，包括如下步骤：S1.获取在多种场景下拍摄的物理实验器材数据集；S2.对采集到的数据集进行预处理并划分为训练集和测试集；S3.构建基于改进YOLOv5网络的检测模型，所述改进YOLOv5网络基于原YOLOv5网络，主干网络采用ShuffleNet网络，颈部网络采用Ghost
‑
PAN结构，将原YOLOv5网络的检测头解耦合，并引入自适应空间任务对齐的模块，以增强分类与回归任务之间的交互性，得到融合不同信息的定位或分类特征；S4.利用训练集对所述检测模型进行训练，得到训练好的检测模型；S5.部署训练好的检测模型，完成对中学物理实验器材的检测。2.根据权利要求1所述的基于改进YOLOv5的中学物理实验器材检测方法，其特征在于，所述步骤S2中，对数据集进行预处理，将拍摄图片在保证宽高比一致的情况下，调整图片为统一的分辨率。3.根据权利要求1所述的基于改进YOLOv5的中学物理实验器材检测方法，其特征在于，所述步骤S2中，划分训练集和测试集：首先对拍摄图片使用LabelImg标注工具进行标注，得到标注后的XML文件；然后将拍摄图片及其XML文件按照VOC格式进行存储，创建Annotations、JPEGImages文件夹，Annotations文件夹中存储每一个标签XML文件，JPEGImages文件夹中存储所有图片；通过python脚本把数据格式转换为YOLOv5框架使用的txt格式；最后将数据集按4：1的方式划分为训练集和测试集。4.根据权利要求1所述的基于改进YOLOv5的中学物理实验器材检测方法，其特征在于，所述步骤S3中，所述Ghost
‑
PAN结构使用GhostNet中的GhostBlock模块处理多层之间特征融合，其基本结构单元由一组1x1卷积和3x3的深度可分卷积组成。5.根据权利要求1所述的基于改进YOLOv5的中学物理实验器材检测方法，其特征在于，所述步骤S3中，所述自适应空间任务对齐的模块为：X
task
＝w
·
X
fpn
其中，X
task
为融合不同信息的定位或分类特征，X
fpn
为Ghost
‑
PAN结构输出的特征金字塔特征，w为自适应参数，用于捕获层之间的依赖关系。6.根据权利要求5所...

【专利技术属性】
技术研发人员：张原，梁铭炬，刘利姣，晏昊东，
申请(专利权)人：郑州大学，
类型：发明
国别省市：