【技术实现步骤摘要】
基于改进YOLOv5算法的危化品车辆检测方法
[0001]本专利技术涉及目标检测
,尤其涉及一种基于改进
YOLOv5
算法的危化品车辆检测方法
。
技术介绍
[0002]随着危化品的生产
、
运输
、
使用越来越规范
,
各行各业对危化品的需求与日俱增
。
然而,危险化学品运输车辆事故频发,造成了严重的人员伤亡和财产损失,对环境安全和人体健康构成极大威胁,引起了社会的高度关注
。
由于危化品运输车辆数量日益增加
、
运输线路复杂,其安全难以保证,因此危化品运输车辆在行驶过程中的实时监测成为一个重要的研究方向
。
[0003]目标检测作为计算机视觉领域的核心任务之一,旨在从图像或视频中自动识别指定的目标物体,并进行定位和分类
。
该技术的出现在危化品车辆检测方面带来了显著的好处
。
首先,它能够快速准确地识别危化品车辆,节省了大量人力资源和时间成本,提高检测效率
。
其次,通过自动化的过程,减少了人工干预的需求,降低了误判的风险,提高了检测的可靠性和准确性
。
除此之外,危化品车辆检测技术在实际应用中有着广泛的应用前景,特别是在交通管理
、
公共安全等领域
。
例如,在交通管理中,该技术可以用于实时检测危化品车辆,避免其进入市区或其他限制区域,从而保障城市居民的生命安全和财产安全;在 ...
【技术保护点】
【技术特征摘要】
1.
一种基于改进
YOLOv5
算法的危化品车辆检测方法,其特征在于,包括如下步骤:
S1、
对已获取到数据寄命名为
Hazardous Vehicles
,对其进行预处理,得到处理后的数据集划分为四个类别;
S2、
搭建传统
YOLOv5
模型架构,并在主干网络部分引入
RFEB
结构;
S3、
引入可分离式注意力机制,通过将尺度感知
、
空间感知和任务感知的注意力机制统一到头部中;
S4、
利用搭建好的模型在训练集上进行训练并在测试集上进行验证,实现对危化品车辆的预测
。2.
如权利要求1所述的基于改进
YOLOv5
算法的危化品车辆检测方法,其特征在于,所述步骤
S1
具体为:
S1.1、
使用标注工具等来绘制目标的边界框或关键点;根据数据类别来标注不同车辆类型的目标或属性;
S1.2、
得到处理后的数据集包含
Oil truck、Big truck、Tiny truck、Car
四个类别
。3.
如权利要求1所述的基于改进
YOLOv5
算法的危化品车辆检测方法,其特征在于,所述步骤
S2
具体为:
S2.1、YOLOv5
使用
CSPDarkNet53
作为主干网络,并采用
C3
模块进行特征提取;采用具有三个基本块
RFEB
结构扩大感受野来获取更丰富的语义信息,同时保持特征图的分辨率
。4.
如权利要求3所述的基于改进
YOLOv5
算法的危化品车辆检测方法,其特征在于,所述步骤
S2.1
中,具有三个基本块
RFEB
结构公式描述为:
DB1=
R
jl
+DB1'DB2=
DB1+DB'2DB3=
R
jl
+DB2+DB3'
其中,
DB
i
’
是基本块,
i
是
RFEM
...
【专利技术属性】
技术研发人员:陈伯伦,王珊珊,刘步实,王凌,李哲,刘晓娈,
申请(专利权)人:淮阴工学院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。