基于制造技术

本发明专利技术公开了一种基于

【技术实现步骤摘要】
基于YOLOv5与注意力机制的变电站杂草检测方法及系统


[0001]本专利技术涉及计算机视觉处理
，具体涉及一种基于
YOLOv5
与注意力机制的变电站杂草检测方法及系统
。

技术介绍

[0002]近年来，深度学习技术在计算机视觉和模式识别领域取得了显著的进展
。
深度学习通过构建多层神经网络模型，能够从大规模数据中自动学习并提取高级特征，以实现高准确性的图像识别和目标检测
。
在图像处理和分析领域，深度学习的出现为目标检测提供了新的机遇和方法
。
随着深度学习的兴起，基于深度神经网络的目标检测方法取得了巨大的进展
。
其中，
YOLOv5
是一种较新的目标检测算法，具有快速
、
准确和端到端的特点
。YOLOv5
通过将图像分割成网格单元，并在每个单元中预测目标的边界框和类别，实现了实时的目标检测和定位
。
相比于传统方法，
YOLOv5
算法能够更快地处理大规模的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
YOLOv5
与注意力机制的变电站杂草检测方法，其特征在于，包括利用采用注意力机制改进后的
YOLOv5
网络模型来实现对变电站中的杂草检测，所述采用注意力机制改进后的
YOLOv5
网络模型是指在由主干网络
Backbone、
颈网络
Neck
和预测网络
Prediction
构成的
YOLOv5
网络模型的基础上为颈网络
Neck
中自顶向下的特征融合通道以及自底向上的特征融合通道的特征增强模块
CBS
前添加有杂草自注意力模块
WSA
以捕捉远程依赖关系
、
自适应地调整网络对关键区域的关注程度来增强对复杂背景和变光条件下杂草的检测能力，所述杂草自注意力模块
WSA
对输入的维度大小为
H
×
W
×
C
的特征图
X
的处理包括：将特征图
X
分别通过两个卷积层
Conv
得到特征
X1
和
X2
，其维度大小分别为
H
×
W
×
2C
和
H
×
W
×
C/2
；然后将特征
X1
和
X2
通过连接操作
Concat
在通道维度上进行特征融合，并使通道维度恢复到
C
，得到矩阵
Q
；同时将特征图
X
送入卷积层进行特征提取，得到特征
X3
，其维度大小保持不变仍为
H
×
W
×
C
；然后将特征
X3
作为矩阵
K
，将矩阵
Q
与矩阵
K
的转置相乘，再除以缩放因子后再将结果进行
Softmax
函数处理，最后再将特征图
X
直接作为矩阵
V
，与
Softmax
函数处理后得到的结果相乘，得到最终的维度大小仍为
H
×
W
×
C
的输出特征
X'。2.
根据权利要求1所述的基于
YOLOv5
与注意力机制的变电站杂草检测方法，其特征在于，所述主干网络
Backbone
输出的特征图包括从大到小排列的特征图
F1
～
F4
，所述颈网络
Neck
对特征图
F1
～
F4
的处理包括：将特征图
F4
经过第二交叉阶段部分
CSP2、
颈网络
Neck
的第一个特征增强模块
CBS
处理得到特征图
F41
，将特征图
F41
经过上采样模块上采样后和特征图
F3
通过连接模块
Concat
进行连接操作，然后经过第二交叉阶段部分
CSP2、
杂草自注意力模块
WSA、
颈网络
Neck
的第二个特征增强模块
CBS
处理得到特征图
F31
，将特征图
F31
经过上采样模块上采样后和特征图
F2
通过连接模块
Concat
进行连接操作，然后经过第二交叉阶段部分
CSP2、
杂草自注意力模块
WSA、
颈网络
Neck
的第三个特征增强模块
CBS
处理得到特征图
F21
，将特征图
F21
经过上采样模块上采样后和特征图
F1
通过连接模块
Concat
进行连接操作，然后经过第二交叉阶段部分
CSP2
处理得到特征图
F11
；将特征图
F11
经过卷积模块
Conv
后送入预测网络
Prediction
的第一个检测头，并将特征图
F11
通过杂草自注意力模块
WSA、
颈网络
Neck
的第四个特征增强模块
CBS
处理得到特征图
F12
，将特征图
F12、
特征图
F21
通过连接模块
Concat
进行连接操作，然后经过第二交叉阶段部分
CSP2
处理得到特征图
F22
；将特征图
F22
经过卷积模块
Conv
后送入预测网络
Prediction
的第二个检测头，并将特征图
F22
通过杂草自注意力模块
WSA、
颈网络
Neck
的第五个特征增强模块
CBS
处理得到特征图
F32
，将特征图
F32、
特征图
F31
通过连接模块
Concat
进行连接...

【专利技术属性】
技术研发人员：王柯，李飞龙，邱杰，王娜娜，龚哲伟，王玉龙，肖阳，孙晓程，刘玉洁，刘虹，杨璟纾，邓皓，刘香银，罗翊君，邓胜兰，刘方，张德忠，谢鹏程，唐伟鹏，苏海泉，蒋友谊，杨准明，郑嵘峰，王慧，谢埃迪，李易潘，黄家兴，王炳竣，杨铭，杨雨薇，胡首，阳冠群，王苗瑜，郑筑蓉，信奕帆，谢元，谢熙璇，唐晓蓉，张玉强，
申请(专利权)人：国网湖南省电力有限公司邵阳供电分公司国家电网有限公司，
类型：发明
国别省市：