一种改进的YOLOv4-Tiny实现工程机械及物料的识别方法技术

本发明专利技术涉及人工智能的领域，公开了一种改进的YOLOv4

【技术实现步骤摘要】
一种改进的YOLOv4
‑
Tiny实现工程机械及物料的识别方法


[0001]本专利技术涉及人工智能的领域，尤其涉及一种改进的YOLOv4
‑
Tiny实现工程机械及物料的识别方法。

技术介绍

[0002]随着科学技术的发展以及人工智能技术的成熟，各个行业都在朝着智能化的趋势发展，其中工程机械的智能化发展引起了广泛关注，成为研究热点之一。工程机械作为我国重要的支柱产业之一，为我国基础设施建设发展起到了至关重要的作用，其涵盖了基础建设、矿山开采等领域，作业环境较为恶劣，常常伴随着高温、粉尘以及震动等，复杂的工作环境对工作人员的安全造成的严重威胁，且工程机械的部分工作具有较高的重复性，工作区域较为固定。因此为了降低工程机械作业对人造成的安全风险，节约人力成本，发展无人化、智能化的工程机械已经成为趋势，不仅可以降低工作风险，而且大幅提高装载机工作效率，具有重要的现实意义，但目前现有人工智能技术对工程机械以及物料的检测与分类容易受到无关信息的干扰。

技术实现思路

[0003]本专利技术的目的是针对上述技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种改进的YOLOv4
‑
Tiny实现工程机械及物料识别的方法，其特征在于，包括：采集工程机械及物料图片，建立数据集样本，所述数据集样本用于训练改进的YOLOv4
‑
Tiny模型；建立所述改进的YOLOv4
‑
Tiny模型，在原YOLOv4
‑
Tiny网络的主干特征提取网络最后加入SPP多尺度特征融合模块，以实现感受野的扩大，在所述SPP多尺度特征融合模块前插入SE通道注意力模块，以实现无关信息干扰的减少，调整FPN特征金字塔融合模块，加强对浅层信息的利用，以实现网络表征能力的增强；基于所述改进的YOLOv4
‑
Tiny模型,使用所述数据集样本进行模型训练，以实现对工程机械及物料目标的检测与分类。2.根据权利要求1所述的改进的YOLOv4
‑
Tiny实现工程机械及物料识别的方法，其特征在于：所述改进的YOLOv4
‑
Tiny模型包括所述主干特征提取网络和特征融合部分，所述主干特征提取网络用于实现对输入图像特征的提取，所述特征融合部分用于实现对特征图的多尺度特征融合，其中，所述主干特征提取网络包括CBL卷积块和CSPBlock残差模块，所述特征融合部分包括SPP多尺度特征融合模块、SE通道注意力模块和所述FPN特征金字塔融合模块。3.根据权利要求2所述的改进的YOLOv4
‑
Tiny实现工程机械及物料识别的方法，其特征在于：所述CBL卷积块包括Conv卷积层、BN批归一化层和LeakyRelu激活函数三部分，所述Conv卷积层设于所述BN批归一化层之前，所述LeakyRelu激活函数设于所述BN批归一化层之后，其中，所述Conv卷积层用于提取输入特征中的局部空间信息，以得到不同的响应特征图，所述BN批归一化层用于维护网络中每层输入数据的分布相对稳定，加速模型学习速度，所述LeakyRelu激活函数用于解决Relu函数进入负区间后，导致神经元不学习的问题。4.根据权利要求2所述的改进的YOLOv4
‑
Tiny实现工程机械及物料识别的方法，其特征在于：所述CSPBlock残差模块将输入特征分为两份,其中一份所述输入特征经过一个由3*3卷积构成的残差块的同时引入一个大的残差边后进入Route融合层与另一份所述输入特征拼接，以让所述改进的YOLOv4
‑
Tiny模型学习到更多的特征。5.根据权利要求4所述的改进的YOLOv4
‑
Tiny实现工程机械及物料识别的方法，其特征在于：所述CSPBlock残差模块后接有Maxpool最大池化层，所述Maxpool最大池化层用于进行下采样，去除冗余信息、对特征进行压缩、以实现网络复杂度的简化。6.根据权利要求2所...

【专利技术属性】
技术研发人员：艾春，王旭东，刘淑英，高根，
申请(专利权)人：缤谷电力科技上海有限公司，
类型：发明
国别省市：