基于轻量化改进YOLOv5的物流安全驾驶检测方法及装置制造方法及图纸

本发明专利技术公开了一种基于轻量化改进YOLOv5的物流安全驾驶检测方法及装置，通过收集得到物流图像数据集，并对物流图像数据集进行标注得到训练数据；构建基于YOLOv5改进得到的YOLO‑Log模型，YOLO‑Log模型包括输入模块、特征提取模块、特征融合模块和预测模块，输入模块用于对输入的物流图像进行数据增强，特征提取模块中采用Ghost Bottleneck结构代替YOLOv5中的C3模块中的Bottleneck结构，特征融合模块中采用多尺度特征融合BiFPN结构代替YOLOv5中的PANet结构；采用训练数据对YOLO‑Log模型进行训练，得到物流目标检测模型；获取物流图像，将物流图像输入物流目标检测模型，得到目标检测结果，根据目标检测结果进行安全预警，以解决复杂物流场景中的遮挡问题和远处小目标漏检问题。

【技术实现步骤摘要】

本专利技术涉及目标检测领域，具体涉及一种基于轻量化改进yolov5的物流安全驾驶检测方法及装置。

技术介绍

1、在生产生活中，安全预警已经引起了足够的重视，尤其是在物流领域，由于物流作业环境复杂，叉车事故频繁发生，涉及人身安全，造成很大的危害。主要原因有：叉车驾驶员常因货物太高没有看到前方行人，叉车车体过高存在后方视野盲区；叉车驾驶员疲劳驾驶、注意力不集中及潜在的危险和违规操作。因其安全隐患，叉车在作业过程中亟需安全预警。传统的安全预警方法通过叉车安装基站和声光报警器，作业人员佩戴标签，当人距离接近预警区域时，叉车上的声光报警器发出报警信号。但这种安全预警的方式不能对没有佩戴标签的行人进行安全预警；同时该方法基于360°测量而缺乏准确性，对于远处侧方安全的行人进行错误报警。随着深度学习的发展，基于机器视觉的安全预警成为目标检测算法在复杂物流场景中的重要应用。叉车装载成本低廉的深度相机，通过rgb-d图像实时预测目标的位置和距离以达到安全预警。基于机器视觉的安全预警能够有效地解决传统方法存在的不足并达到叉车辅助驾驶的效果。

2、目标检测主要有两种本文档来自技高网...

【技术保护点】

1.一种基于轻量化改进YOLOv5的物流安全驾驶检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于轻量化改进YOLOv5的物流安全驾驶检测方法，其特征在于，所述步骤S2中采用Ghost Bottleneck结构代替YOLOv5中的C3模块中的Bottleneck结构，具体包括：将步长为1的所述Ghost Bottleneck结构代替YOLOv5中的步长为1的C3模块中的Bottleneck结构；将步长为2的所述Ghost Bottleneck结构代替YOLOv5中的步长为2的C3模块中的Bottleneck结构。

3.根据权利要求1所述的基于轻量化...

【技术特征摘要】

1.一种基于轻量化改进yolov5的物流安全驾驶检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于轻量化改进yolov5的物流安全驾驶检测方法，其特征在于，所述步骤s2中采用ghost bottleneck结构代替yolov5中的c3模块中的bottleneck结构，具体包括：将步长为1的所述ghost bottleneck结构代替yolov5中的步长为1的c3模块中的bottleneck结构；将步长为2的所述ghost bottleneck结构代替yolov5中的步长为2的c3模块中的bottleneck结构。

3.根据权利要求1所述的基于轻量化改进yolov5的物流安全驾驶检测方法，其特征在于，所述多尺度特征融合bifpn结构中为每个输入添加一个可变学习权重来学习不同特征层的信息，调整不同输入的融合权重，并采用加权融合的方式融合不同分辨率的特征层。

4.根据权利要求3所述的基于轻量化改进yolov5的物流安...

【专利技术属性】
技术研发人员：赵集民，张雪白，
申请(专利权)人：厦门博睿智造物联科技有限公司，
类型：发明
国别省市：