System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及图像目标检测,尤其涉及一种基于注意力机制的yolov7弓网电火花检测方法。
技术介绍
1、电力机车在高速行驶过程中,由于升降弓、接触网导线不平顺和轨道不平顺等原因会引起电火花。电火花会使弓网产生电器磨损,使受电弓表面磨损不均匀影响电流获取的质量,若电火花能量强、持续时间长,易延伸到刚性接触悬挂接地体上,导致牵引供电系统馈线跳闸,严重影响行车及供电安全。
2、目前,弓网电火花检测方法可分为四种,即人工检测、基于接触式传感器检测、基于激光雷达的非接触式检测和基于图像检测。
3、基于接触式传感器检测方法,通过接触式传感器检测电力机车高速行驶过程中电流、电压变化,进而识别有无电火花发生。刘仕兵、曾聿田等将电火花检测所要的特征向量通过弓网间电流功率谱熵计算得到,然后将特征向量输入到支持向量机中进行分类处理,判断弓网是否发生了电火花。该方法容易受到高压环境影响使得传感器检测和信号传输过程中产生误差。
4、基于激光雷达的非接触式传感器的检测方法,slawomir judek等人提出了一种新的受电弓接触条检查系统,该系统使用一个相机和激光线发生器来扫描受电弓表面,实现了高精度的检测。广东如铁技术有限公司公开了一项专利技术专利,该专利技术涉及一种利用激光雷达进行接触网的自动探测设备,该设备使用带有红外光的高精度激光雷达实现了接触网的定位,提高了探测的准确性,特别是在复杂环境中,如夜间、岔线等情况下,通过红外定位可以有效地探测到接触网定位器、吊弦等探测对象,从而大大提高了探测的准确性。
技术实现思路
1、本专利技术的目的在于提供一种基于注意力机制的yolov7弓网电火花检测方法,能够有效对电火花进行检测以及电火花大小的识别,以解决现有技术的不足。
2、本专利技术所采取的技术方案为:一种基于注意力机制的yolov7弓网电火花检测方法,包括一下步骤:
3、步骤1,制作弓网电火花数据集,包括以下步骤:
4、步骤1.1,视频分帧处理:利用opencv扩展库cv2中videocapture函数对弓网电火花视频进行分帧处理,得到分辨率为1920像素×1080像素的原始图像数据集;
5、步骤1.2,图像预处理:对原始图像数据集进行亮度检测和判断,将判断为无法识别电火花的图像进行删除;将处理后图像统一缩放裁剪为640×640像素的图片;
6、步骤1.3,数据集标注:使用labelimg对图像中弓网和电火花进行人工标定,获得标准的xml格式文件,所有的图片和xml格式文件共同构成弓网电火花数据集,将数据集按照7:2:1的比例分为训练集、测试集、验证集;
7、步骤2,构建基于注意力机制的yolov7模型,包括以下步骤:
8、步骤2.1,在yolov7的目标检测头(head)引入dyhead模块;
9、步骤2.2,在yolov7主干网络向颈部传递特网电火花数据集对改进的yolov7模型进行训练,生成弓网电火花检测模型。
10、优选的,步骤1.2所述对原始图像数据集进行亮度检测和判断,将判断为无法识别电火花的图像进行删除,方法为:读取弓网电火花图片内每个点的像素灰度值,计算图片内像素灰度值大于等于预设值的个数占像素总数的百分比,将超过50%判定为无法识别电火花图片。
11、优选的,步骤2.1所述在yolov7的目标检测头(head)引入dyhead模块,具体如下:
12、步骤2.1.1,在yolov7模型rep卷积模块后引入dyhead模块;
13、步骤2.1.2,将目标检测头(head)三个分支中rep卷积模块的输出特征通道改为相同值;
14、步骤2.1.3,将dyhead模块输入视为三维的张量,其中l表示特征层级,s表示特征图的宽高乘积,c表示通道数;
15、特征f沿着通道依次经过尺度感知注意力模块、空间感知注意力模块、任务感知注意力模块,该过程描述如下:
16、
17、其中,,,分别表示l,s,c三个维度上的注意力;
18、在尺度感知注意力方面,采用avg pool+conv+relu+hard sigmoid组合,该过程描述如下:
19、
20、其中为hw维度下的avg pool操作,f为全连接层操作,为hardsigmoid函数;
21、在空间感知注意力方面,首先根据可变形卷积进行稀疏采样,然后在相同的空间位置上聚合各个特征层级的特征,该过程描述如下:
22、
23、其中,k为稀疏采样位置数,是通过自学习的空间偏移移动的位置,是可学习的空间偏移量,是在位置自学习的重要性;
24、在任务感知注意力方面,使用动态的开关特征通道来选择不同的任务,该过程描述如下:
25、
26、其中,是超函数,用于学习控制激活阈值;为在第c个通道切分的特征。
27、优选的,步骤2.2所述在yolov7主干网络向颈部传递特征张量之间融合混合注意力机制,具体如下:
28、步骤2.2.1,主干网络向颈部传递特征张量有三个分支,其中有两个分支有1×1卷积,将两个1×1卷积替换成混合注意力机制,对另一个分支插入混合注意力机制;
29、步骤2.2.2,混合注意力机制由输入、通道注意力模块、空间注意力模块和输出组成,其中通道注意力模块输出乘以特征f作为输入作为空间注意力模块的输入,空间注意力模块输出与特征相乘作为混合注意力模块的输出;
30、通道注意力模块由最大池化、平均池化、共享多层感知器和sigmoid激活函数组成,该过程描述如下:
31、
32、空间注意力模块由最大池化、平均池化和激活函数为sigmoid的7×7卷积层组成,其中将最大池化和平均池化的输出进行维度拼接得到的特征图作为卷积层的输入,该过程描述如下:
33、
34、优选的,步骤3所述训练改进的yolov7模型,其评价模型需要考虑的指标是准确率p(precision)和召回率r(recall),选择p为纵坐标、r为横坐标的p-r曲线面积表示平均精度ap(average precision),所有类别ap的平均值是map(mean average precision),而map的值越大表示模型的整体精确度越高,公式如下:
35、
<本文档来自技高网...【技术保护点】
1.一种基于注意力机制的yolov7弓网电火花检测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于注意力机制的yolov7弓网电火花检测方法,其特征在于,步骤1.2所述对原始图像数据集进行亮度检测和判断,将判断为无法识别电火花的图像进行删除,方法为:读取弓网电火花图片内每个点的像素灰度值,计算图片内像素灰度值大于等于预设值的个数占像素总数的百分比,将超过50%判定为无法识别电火花图片。
3.根据权利要求1所述的一种基于注意力机制的yolov7弓网电火花检测方法,其特征在于,步骤2.1所述在yolov7的目标检测头(Head)引入DyHead模块,具体如下:
4.根据权利要求1所述的一种基于注意力机制的yolov7弓网电火花检测方法,其特征在于,步骤2.2所述在yolov7主干网络向颈部传递特征张量之间融合混合注意力机制,具体如下:
5.根据权利要求1所述的一种基于注意力机制的yolov7弓网电火花检测方法,其特征在于,步骤3所述训练改进的yolov7模型,其评价模型需要考虑的指标是准确率P(Precision)和召
...【技术特征摘要】
1.一种基于注意力机制的yolov7弓网电火花检测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于注意力机制的yolov7弓网电火花检测方法,其特征在于,步骤1.2所述对原始图像数据集进行亮度检测和判断,将判断为无法识别电火花的图像进行删除,方法为:读取弓网电火花图片内每个点的像素灰度值,计算图片内像素灰度值大于等于预设值的个数占像素总数的百分比,将超过50%判定为无法识别电火花图片。
3.根据权利要求1所述的一种基于注意力机制的yolov7弓网电火花检测方法,其特征在于,步骤2.1所述在yolov7的目标检测头(head)引入dyhead模块,具体如下:
4.根...
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。