一种输煤皮带目标检测方法和相关设备技术

本发明专利技术公开了一种输煤皮带目标检测方法、系统、设备及存储介质，包括以下步骤，获取输煤皮带实时工作的视频数据，对视频数据进行图像帧提取，标记图像中出现的指定类型目标，根据所有标记的图像数据建立数据集，然后将数据集拆分为训练集和验证集，构建基于Yolov5的目标检测网络模型，采用训练集对目标检测网络模型进行训练，得到训练好的目标检测模型，再采用验证集对训练好的目标检测模型进行验证，将输煤皮带实时工作时的实时监控视频输入到训练好的目标检测模型，对指定类型目标进行检测，当发现指定类型目标则标注出目标位置，发出提示信息，使得输煤皮带输送煤流场景中目标检测速度快且结果准确率高。速度快且结果准确率高。速度快且结果准确率高。

【技术实现步骤摘要】
一种输煤皮带目标检测方法和相关设备


[0001]本专利技术涉及机器视觉领域，具体为一种输煤皮带目标检测方法、系统、设备及存储介质和相关设备。

技术介绍

[0002]在现有的目标检测算法中，广泛使用Yolov5网络模型作为基础网络模型训练自有数据集实现指定类型的目标检测功能。根据网络结构的深度和宽度的不同，Yolov5可分为Yolov5n、Yolov5s、Yolov5m、Yolov5l、Yolov5x五种结构，每一种网络结构主体框架基本一样，只需要在网络结构配置参数中通过depth_multiple和width_multiple两个参数来灵活配置网络的深度和宽度从而得到不同体量的网络模型。这五种网络模型中Yolov5n最为轻量，参数量和计算量最少，但同时导致准确率也是最低的。其它几个模型的准确率逐步提高但参数量和计算量也逐步增多，导致推理速度降低。
[0003]在煤矿输煤皮带输送煤流的场景中，输送带传输速度很快，因此对目标检测算法的处理速度要求很高，同时对识别准确率要求达到98％以上。在这种既要求模型推理速度又要求高准确率的场景下，无法从Yolov5现有网络结构中选取合适的模型。

技术实现思路

[0004]本专利技术目的在于提供一种输煤皮带目标检测方法、系统、设备及存储介质和相关设备，以克服现有技术中煤矿输煤皮带输送煤流的场景中，在满足准确率的前提下，处理速度会降低的问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：
[0006]一种输煤皮带目标检测方法，包括：r/>[0007]获取输煤皮带实时工作的视频数据；
[0008]将所述输煤皮带实时工作的视频数据送入预先训练好的输煤皮带目标检测模型，所述输煤皮带目标检测模型输出检测结果；
[0009]其中，所述输煤皮带目标检测模型为通过训练和检测的输煤皮带目标检测模型；所述输煤皮带目标检测模型采用Yolov5的目标检测模型模型，所述目标检测模型采用Ghost_X网络结构。
[0010]优选地，Ghost_X网络结构中包含若干个Ghost Block块。
[0011]优选地，Ghost Block块为多分支结构，包括恒等映射分支和普通卷积分支。
[0012]优选地，普通卷积分支的激活函数采用了ReLU硬件友好型激活函数。
[0013]一种输煤皮带目标检测系统，包括：
[0014]数据获取模块：用于获取输煤皮带实时工作的视频数据；
[0015]检测模块：用于将所述输煤皮带实时工作的视频数据送入预先训练好的输煤皮带目标检测模型，所述输煤皮带目标检测模型输出检测结果；
[0016]其中，所述输煤皮带目标检测模型为通过训练和检测的输煤皮带目标检测模型；
所述输煤皮带目标检测模型采用Yolov5的目标检测模型模型，所述目标检测模型采用Ghost_X网络结构。
[0017]一种输煤皮带目标检测模型构建方法，包括：
[0018]获取输煤皮带正常工作的视频数据；
[0019]对视频数据进行图像帧提取，标记图像中出现的指定类型目标，根据所有标记的图像数据建立数据集，然后将数据集拆分为训练集和验证集；
[0020]构建基于Yolov5的目标检测网络模型；
[0021]采用训练集对目标检测网络模型进行训练，得到训练好的目标检测模型，再采用验证集对训练好的目标检测模型进行验证，获得输煤皮带目标检测模型。
[0022]优选地，将数据集按照9:1的比例拆分为训练集和验证集。
[0023]一种输煤皮带目标检测模型构建系统，包括：
[0024]数据获取模块：用于获取输煤皮带正常工作的视频数据；
[0025]数据拆分模块：用于对视频数据进行图像帧提取，标记图像中出现的指定类型目标，根据所有标记的图像数据建立数据集，然后将数据集拆分为训练集和验证集；
[0026]构建模块：构建基于Yolov5的目标检测网络模型；
[0027]训练验证模块：采用训练集对目标检测网络模型进行训练，得到训练好的目标检测模型，再采用验证集对训练好的目标检测模型进行验证，获得输煤皮带目标检测模型。
[0028]一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现一种输煤皮带目标检测方法的步骤。
[0029]一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现一种输煤皮带目标检测方法的步骤。
[0030]与现有技术相比，本专利技术具有以下有益效果：
[0031]本专利技术提供了一种输煤皮带目标检测方法，首先获取输煤皮带实时工作的视频数据，再将输煤皮带实时工作的视频数据送入预先训练好的输煤皮带目标检测模型，所述输煤皮带目标检测模型输出检测结果；基于Yolov5的目标检测网络模型中采用Ghost_X网络，利用简单线性变换替代卷积操作的原理，使得改进后的Yolov5网络模型总参数量有效降低，处理速度快，准确率高；
[0032]本专利技术还提供了一种输煤皮带模型构建方法，通过对视频数据进行处理，拆分为训练集合验证集，构建基于Yolov5的目标检测网络模型，使用该目标检测网络模型进行自有数据集训练和验证，获得输煤皮带目标检测模型，为输煤皮带的目标检测提供了可行的目标检测模型；
附图说明
[0033]图1为本专利技术一种输煤皮带目标检测方法流程图；
[0034]图2为本专利技术一种输煤皮带目标检测系统示意图；
[0035]图3为本专利技术一种输煤皮带目标检测模型构建方法流程图；
[0036]图4为本专利技术一种输煤皮带目标检测模型构建系统示意图；
[0037]图5为本专利技术实施例1中一种输煤皮带目标检测方法流程图；
[0038]图6为Ghost_X网络结构图。
具体实施方式
[0039]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本专利技术实施例的组件可以以各种不同的配置来布置和设计。
[0040]因此，以下对在附图中提供的本专利技术的实施例的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0041]应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
[0042]在本专利技术实施例的描述中，需要说明的是，若出现术语“上”、“下”、“水平”、“内”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该专利技术产品使用时惯常摆放的方位或位置关系，仅是为了便本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种输煤皮带目标检测方法，其特征在于，包括：获取输煤皮带实时工作的视频数据；将所述输煤皮带实时工作的视频数据送入预先训练好的输煤皮带目标检测模型，所述输煤皮带目标检测模型输出检测结果；其中，所述输煤皮带目标检测模型为通过训练和检测的输煤皮带目标检测模型；所述输煤皮带目标检测模型采用Yolov5的目标检测模型模型，所述目标检测模型采用Ghost_X网络结构。2.根据权利要求1所述的一种输煤皮带目标检测方法，其特征在于，所述Ghost_X网络结构中包含若干个Ghost Block块。3.根据权利要求2所述的一种输煤皮带目标检测方法，其特征在于，所述Ghost Block块为多分支结构，包括恒等映射分支和普通卷积分支。4.根据权利要求3所述的一种输煤皮带目标检测方法，其特征在于，所述普通卷积分支的激活函数采用了ReLU硬件友好型激活函数。5.一种输煤皮带目标检测系统，其特征在于，包括：数据获取模块：用于获取输煤皮带实时工作的视频数据；检测模块：用于将所述输煤皮带实时工作的视频数据送入预先训练好的输煤皮带目标检测模型，所述输煤皮带目标检测模型输出检测结果；其中，所述输煤皮带目标检测模型为通过训练和检测的输煤皮带目标检测模型；所述输煤皮带目标检测模型采用Yolov5的目标检测模型模型，所述目标检测模型采用Ghost_X网络结构。6.一种输煤皮带目标检测模型构建方法，其特征在于，包括：获取输煤皮带正常工作的视频数据；对视频...

【专利技术属性】
技术研发人员：张骁，米磊，刘俊彦，徐晨，何美燕，
申请(专利权)人：渭南陕煤启辰科技有限公司，
类型：发明
国别省市：