一种基于改进YOLOv5的GIS设备内表面金属微粒检测方法技术

本发明专利技术公开了一种基于改进YOLOv5的GIS设备内表面金属微粒检测方法，在原始的YOLOv5的基础上进行改进，将YOLOv5的特征提取网络中引入CBAM注意力机制模块，通过拍摄GIS设备内表面金属微粒图片，并对拍摄图像进行预处理，采用预先训练的YOLOv5模型对内表面金属微粒进行识别。本发明专利技术可以实现内表面金属微粒的有效检测，节省了物力人力相较于现有方法，检测效果得到了明显的改善。相比已公开发明专利技术专利，本发明专利技术所公开的方法并不需要对网络进行特殊的设计，充分利用了已有的可用数据，采用通用的网络结构仍旧可以达到不错的实验效果，充分发挥了深度卷积网络的优势，对小目标微粒识别精度、准度、识别成功率和网络运行速度更高，满足对精度和工程实用性的要求。

【技术实现步骤摘要】

本专利技术属于图像处理与计算机视觉，涉及一种基于改进yolov5的gis设备内表面金属微粒检测方法。

技术介绍

1、目标检测是最重要的计算机视觉任务之一，处理在杂乱的现实场景或输入图像中某一类物体的视觉实例的检测。由于其广泛的应用，目标检测近年来引起了人们极大的关注。目标检测主要包括两项任务:目标定位和目标分类。对象定位通过在一个或多个对象实例周围绘制一个边界框来确定其位置和比例。分类是指为该对象分配类标签的过程。在检测方面，目标检测系统从一组训练数据中构建模型，在泛化方面，需要提供大量的训练数据集。

2、gis内表面金属微粒检测作为目标检测的具体应用，具体过程为：给出输入图像或者视频帧，判断图像中是否有微粒，有的话框出微粒的位置。

3、近十年来，人工智能在人类生活的各个领域都产生了影响，而深度学习就是利用人工神经网络进行表示学习的人工智能领域。深度学习的应用在目标检测领域占领了主要地位，目前，主流的基于深度学习的目标检测算法可分为两种，基于候选框的two-stage算法和基于回归的one-stage算法。基于候选框的two-sta本文档来自技高网...

【技术保护点】

1.一种基于改进YOLOv5的GIS设备内表面金属微粒检测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于改进YOLOv5的GIS设备内表面金属微粒检测方法方法，其特征在于：所述步骤一中采集GIS设备内表面金属微粒数据集并进行预处理该数据包含了3250张不同分辨率的微粒图像；预处理包括去除噪声、调整图像大小和格式，以确保图像的一致性和质量；然后将预处理好的微粒数据集按照7:2:1划分训练集、测试集、验证集。

3.根据权利要求1所述的一种基于改进YOLOv5的GIS设备内表面金属微粒检测方法，其特征在于：网络模型CBAM注意力机制模块和(ATM)自...

【技术特征摘要】

1.一种基于改进yolov5的gis设备内表面金属微粒检测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于改进yolov5的gis设备内表面金属微粒检测方法方法，其特征在于：所述步骤一中采集gis设备内表面金属微粒数据集并进行预处理该数据包含了3250张不同分辨率的微粒图像；预处理包括去除噪声、调整图像大小和格式，以确保图像的一致性和质量；然后将预处理好的微粒数据集按照7:2:1划分训练集、测试集、验证集。

3.根据权利要求1所述的一种基于改进yolov5的gis设备内表面金属微粒检测方法，其特征在于：网络模型cbam注意力机制模块和(atm)自适应阈值模块部分，其中cbam注意力机制模块，多尺度卷积注意力部分包含了通道注意力和空间注意力机制，我们的方法在通道注意机制中引入了一个多尺度卷积模块，由两个3x3卷积和一个1x1卷积组成，此外，修改了空间注意模块，用两个...

【专利技术属性】
技术研发人员：吕超，史春雨，李林霞，徐宝泉，
申请(专利权)人：长春理工大学，
类型：发明
国别省市：