【技术实现步骤摘要】
本专利技术涉及图像处理与目标检测领域，具体涉及一种基于改进yolov5的gis红外图像识别系统与方法。
技术介绍
1、变电站是电力系统中不可或缺的重要组成部分，变电站gis（气体绝缘封闭开关设备）的安全运行更是保障电力系统安全运行的关键。变电站gis的工作环境复杂，且gis的种类多、分布复杂。如何快而准的对gis进行辨别分类，就能快速对gis进行下一步故障分析，进而检测设备故障，以预防并减少gis故障的发生。
2、目前，在gis的识别技术中，有相关技术人员在可见光图像的基础上对gis进行识别，这类方法虽然能识别出设备的种类，但可见光图像容易受到外界的环境干扰。而红外图像通过辐射差异将目标设备与背景进行区分，具有较强的穿透力，不易受到天气和光照条件影响。随着红外技术日益成熟，红外图像识别技术在设备故障诊断中发挥着越来越重要的作用。国内的大部分变电站gis红外图像识别依旧依赖于低效且复杂的人工方法，因此，急需设计出一种无需人工干预且gis识别准确高效的红外图像识别技术，本专利技术以改进yolov5算法，构建gis红外图像识别模型。
技术实现思路
1、为了解决gis种类多且工作环境复杂，工作人员无法第一时间识别或误识别，可能对巡检工作人员对gis的故障分析产生影响，本专利技术提出了一种基于改进yolov5的gis红外图像识别系统与方法，可实现对于变电站复杂环境下的gis识别，识别精度高且速度快。
2、为了实现本专利技术的上述目的，本专利技术采用了下述技术方案：p>
3、基于改进yolov5的gis红外图像识别系统，由红外图像采集装置和gis红外图像目标检测装置组成；红外图像采集装置采集变电站gis红外图像，并输入至gis红外图像目标检测装置；gis红外图像目标检测装置内含基于改进yolov5的gis红外图像识别模型，用于gis类别检测；所述基于改进yolov5的gis红外图像识别模型，包含骨干网络、颈部网络、头部网络；所述骨干网络依次由cbs模块、第一gcbs模块、第一c3ghost_simam模块、第二gcbs模块、第二c3ghost_simam模块、第三gcbs模块、第三c3ghost_simam模块、第四gcbs模块、第四c3ghost_simam模块、simsppfcspc_lska模块组成，分别选择第二c3ghost_simam模块、第三c3ghost_simam模块、simsppfcspc_lska模块输出的特征图输入至颈部网络；颈部网络包括第二cbs模块、c2f模块、第三cbs模块、第一sccc2f_simam模块、快速空间金字塔池化模块、第二sccc2f_simam模块、第四cbs模块和第三sccc2f_simam模块；simsppfcspc_lska模块输出的特征图进入第二cbs模块卷积，然后经上采样后与第三c3ghost_simam模块输出的特征图融合后得到第一融合特征图；第一融合特征图依次经c2f模块和第三cbs模块处理，然后经上采样后与第二c3ghost_simam模块输出的特征图融合得到第二融合特征图；第二融合特征图经第一sccc2f_simam模块处理得到第一输出特征图，并且第一输出特征图经快速空间金字塔池化模块处理后与第三cbs模块输出的特征图融合得到第三融合特征图，第三融合特征图经第二sccc2f_simam模块处理得到第二输出特征图，第二输出特征图经第四cbs模块处理后与第二cbs模块输出的特征图融合得到第四融合特征图，第四融合特征图经第三sccc2f_simam模块处理得到第三输出特征图；
4、c3ghost_simam模块是在c3ghost的基础上，在两个分支融合后添加simam模块形成的；
5、所述simsppfcspc_lska模块有两条分支，其中一条分支，输入的特征图经过一个cbs模块处理后，再经过一个cbr模块处理，然后再经过另一个cbs模块处理并将所得输出进行三次最大池化，将三次最大池化的特征图与最大池化前的特征图融合，得到融合特征图ⅰ，融合特征图ⅰ依次经过cbs模块、lska模块和cbr模块处理后与另一条由cbs模块构成的分支融合，得到融合特征图ⅱ，融合特征图ⅱ再经过一个cbs模块处理得到输出；
6、sccc2f_simam模块依次包括第1个sccbs模块、split模块、n个scc_ bottleneck模块、堆叠模块、simam模块和第2个sccbs模块；sccbs模块由scconv、bn、silu激活函数组合形成，sccbs模块替换c2f模块中的cbs模块，scc_ bottleneck模块由scconv和bottleneck模块组合形成。
7、进一步优选，第一输出特征图、第二输出特征图和第三输出特征图分别输入头部网络中经卷积后，通过检测头进行分类。
8、进一步优选，gcbs模块依次由ghostconv模块、bn归一化处理、silu激活函数组成。
9、进一步优选，c3ghost_simam模块包括两个分支，一个分支由一个cbs模块和n个ghost bottleneck模块组成，n为大于等于2的整数，另一个分支由一个cbs模块组成，两个分支融合后连接simam模块，simam模块连接一个gcbs模块。
10、进一步优选，所述cbr模块由conv、bn和relu激活函数组成。
11、进一步优选，头部网络由三个卷积层和三个检测头组成。
12、进一步优选，检测头实现目标分类和回归任务，并通过diou_nms操作去除冗余和重叠的边界框，保留置信度最高的边界框，输出处理的边界框和置信度分数。
13、本专利技术还提供了一种基于改进yolov5的gis红外图像识别方法，
14、采集gis红外图像，通过骨干网络用来提取gis红外图像的特征，将gis红外图像转化为多层特征图，选择三个不同层次的特征图输入至颈部网络，
15、通过颈部网络进行特征融合，融合后的特征图输入至头部网络；
16、头部网络进行目标类别与位置预测，生成边界框，计算出置信度，并输出预测的结果。
17、本专利技术的另一个实施例，提供一种非易失性计算机存储介质，计算机存储介质存储有计算机可执行指令，该计算机可执行指令执行上述的基于改进yolov5的gis红外图像识别方法。
18、本专利技术的另一个实施例，提供一种电子设备，包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行上述的基于改进yolov5的gis红外图像识别方法。
19、本专利技术的有益效果如下所示：
20、1.本专利技术改进yolov5模型的骨干网络，将cspdarknet53替换为ghostnet网络，ghostnet有以下几个方面的优点：参数的利用率更加高效，ghostconv通过一种更加简单的卷积操作，能够获得更多的特征映射图，减本文档来自技高网...
【技术保护点】
1.基于改进YOLOv5的GIS红外图像识别系统，由红外图像采集装置和GIS红外图像目标检测装置组成；红外图像采集装置采集变电站GIS红外图像，并输入至GIS红外图像目标检测装置；GIS红外图像目标检测装置内含基于改进YOLOv5的GIS红外图像识别模型，用于GIS类别检测；所述基于改进YOLOv5的GIS红外图像识别模型，包含骨干网络、颈部网络、头部网络；其特征在于，所述骨干网络依次由CBS模块、第一GCBS模块、第一C3Ghost_SimAM模块、第二GCBS模块、第二C3Ghost_SimAM模块、第三GCBS模块、第三C3Ghost_SimAM模块、第四GCBS模块、第四C3Ghost_SimAM模块、SimSPPFCSPC_LSKA模块组成，分别选择第二C3Ghost_SimAM模块、第三C3Ghost_SimAM模块、SimSPPFCSPC_LSKA模块输出的特征图输入至颈部网络；颈部网络包括第二CBS模块、C2f模块、第三CBS模块、第一SCCC2F_SimAM模块、快速空间金字塔池化模块、第二SCCC2F_SimAM模块、第四CBS模块和第三SCCC2F_SimA
2.根据权利要求1所述的基于改进YOLOv5的GIS红外图像识别系统，其特征在于，第一输出特征图、第二输出特征图和第三输出特征图分别输入头部网络中经卷积后，通过检测头进行分类。
3.根据权利要求1所述的基于改进YOLOv5的GIS红外图像识别系统，其特征在于，GCBS模块依次由GhostConv模块、BN归一化处理、SiLU激活函数组成。
4.根据权利要求1所述的基于改进YOLOv5的GIS红外图像识别系统，其特征在于，C3Ghost_SimAM模块包括两个分支，一个分支由一个CBS模块和n个Ghost Bottleneck模块组成，n为大于等于2的整数，另一个分支由一个CBS模块组成，两个分支融合后连接SimAM模块，SimAM模块连接一个GCBS模块。
5.根据权利要求1所述的基于改进YOLOv5的GIS红外图像识别系统，其特征在于，所述CBR模块由Conv、BN和Relu激活函数组成。
6.根据权利要求1所述的基于改进YOLOv5的GIS红外图像识别系统，其特征在于，头部网络由三个卷积层和三个检测头组成，检测头实现目标分类和回归任务，并通过DIoU_NMS操作去除冗余和重叠的边界框，保留置信度最高的边界框，输出处理的边界框和置信度分数。
7.一种基于改进YOLOv5的GIS红外图像识别方法，其特征在于，包括如下过程：
8.根据权利要求7所述的一种基于改进YOLOv5的GIS红外图像识别方法，其特征在于，C3Ghost_SimAM模块包括两个分支，一个分支由一个CBS模块和n个Ghost Bottleneck模块组成，n为大于等于2的整数，另一个分支由一个CBS模块组成，两个分支融合后连接SimAM模块，SimAM模块连接一个GCBS模块。
9.一种非易失性计算机存储介质，计算机存储介质存储有计算机可执行指令，其特征在于，该计算机可执行指令执行权利要求7或8所述的基于改进YOLOv5的GIS红外图像识别方法。
10.一种电子设备，包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，其特征在于，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行权利要求7或8所述的基于改进YOLOv5的GIS红外图像识别方法。
...【技术特征摘要】
1.基于改进yolov5的gis红外图像识别系统，由红外图像采集装置和gis红外图像目标检测装置组成；红外图像采集装置采集变电站gis红外图像，并输入至gis红外图像目标检测装置；gis红外图像目标检测装置内含基于改进yolov5的gis红外图像识别模型，用于gis类别检测；所述基于改进yolov5的gis红外图像识别模型，包含骨干网络、颈部网络、头部网络；其特征在于，所述骨干网络依次由cbs模块、第一gcbs模块、第一c3ghost_simam模块、第二gcbs模块、第二c3ghost_simam模块、第三gcbs模块、第三c3ghost_simam模块、第四gcbs模块、第四c3ghost_simam模块、simsppfcspc_lska模块组成，分别选择第二c3ghost_simam模块、第三c3ghost_simam模块、simsppfcspc_lska模块输出的特征图输入至颈部网络；颈部网络包括第二cbs模块、c2f模块、第三cbs模块、第一sccc2f_simam模块、快速空间金字塔池化模块、第二sccc2f_simam模块、第四cbs模块和第三sccc2f_simam模块；simsppfcspc_lska模块输出的特征图进入第二cbs模块卷积，然后经上采样后与第三c3ghost_simam模块输出的特征图融合后得到第一融合特征图；第一融合特征图依次经c2f模块和第三cbs模块处理，然后经上采样后与第二c3ghost_simam模块输出的特征图融合得到第二融合特征图；第二融合特征图经第一sccc2f_simam模块处理得到第一输出特征图，并且第一输出特征图经快速空间金字塔池化模块处理后与第三cbs模块输出的特征图融合得到第三融合特征图，第三融合特征图经第二sccc2f_simam模块处理得到第二输出特征图，第二输出特征图经第四cbs模块处理后与第二cbs模块输出的特征图融合得到第四融合特征图，第四融合特征图经第三sccc2f_simam模块处理得到第三输出特征图；
2.根据权利要求1所述的基于改进yolov5的gis红外图像识别系统，其特征在于，第一输出特征图、第二输出特征图和第三输出特征图分别输入头部网络中经卷...
【专利技术属性】
技术研发人员：许志浩，张卫，康兵，赵天成，侯成，丁贵立，王宗耀，张兴旺，陈捷元，桑金海，
申请(专利权)人：南昌工程学院，
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。