基于改进YOLOv5的电厂捞渣机异常检测方法技术

本发明专利技术属于计算机视觉技术领域，尤其涉及一种基于改进YOLOv5的电厂捞渣机异常检测方法，本发明专利技术首先采用圆形平滑标签策略，将参数回归转化为分类问题；然后将预处理的样本和标签送入嵌入自适应感受野特征提取模块的ShuffleNet v2进行深层特征提取；此后，将提取的深层特征送入特征金字塔网络和路径聚合网络融合的双向单流金字塔网络中进行特征增强，并通过改进Transformer自注意力机制的融合注意力机制模块提升网络对小目标特征的敏感度和准确度；最后此网络使用focal loss作为分类损失函数来解决正负样本不均衡问题。该方法可以在工业检测领域达到准确性、实时性和泛化性的平衡。

【技术实现步骤摘要】

本专利技术涉及计算机视觉，具体涉及基于改进yolov5的电厂捞渣机异常检测方法。

技术介绍

1、近年来，随着计算机视觉技术的不断发展，基于视频的工业厂区设备和环境目标检测系统得到广泛应用。目前，基于深度学习的目标检测方法可分为两阶段检测方法和单阶段检测方法。两阶段检测方法首先是生成候选框，然后对生成的候选框进行分类；单阶段检测方法无需生成候选框，而是直接对整幅图像进行预测，与前者相比，其流程简单，参数量较少，且更易达到实际工业环境中的推理速度和精度的平衡性要求，因此成为工业领域常用的目标检测方法。但常用的单阶段检测方法并不是为工业检测而设计的网络，因此对工业对工业设备或环境中常见的小目标和低分辨率图像检测能力也较逊色，且参数量仍较大，在实际的工业生产场景中部署成本较高。因此，针对工业检测领域，单阶段检测网络的性能仍需进一步完善和改进。

2、综上，工业检测领域中模型的实时性、准确性和泛化性是当前亟待要解决的问题。

技术实现思路

1、鉴于此，本专利技术公开提供了基于改进yolov5的电厂捞渣机异常检测本文档来自技高网...

【技术保护点】

1.基于改进YOLOv5的电厂捞渣机异常检测方法，其特征在于，包括：

2.根据权利要求1所述的基于改进YOLOv5的电厂捞渣机异常检测方法，其特征在于，包括：步骤1中所述采用CSL标记策略标记捞渣机挡板角度为矩形检测框长边与x轴夹角θ，并选择高斯函数作为窗口函数来测量预测标签和地面真实标签之间的角距离。

3.根据权利要求2所述的基于改进YOLOv5的电厂捞渣机异常检测方法，其特征在于，所述CSL标记策略的表达式如下：

4.根据权利要求1所述的基于改进YOLOv5的电厂捞渣机异常检测方法，其特征在于，步骤2中，所述ARFFE模块由多感受野融合阶段、通道注...

【技术特征摘要】

1.基于改进yolov5的电厂捞渣机异常检测方法，其特征在于，包括：

2.根据权利要求1所述的基于改进yolov5的电厂捞渣机异常检测方法，其特征在于，包括：步骤1中所述采用csl标记策略标记捞渣机挡板角度为矩形检测框长边与x轴夹角θ，并选择高斯函数作为窗口函数来测量预测标签和地面真实标签之间的角距离。

3.根据权利要求2所述的基于改进yolov5的电厂捞渣机异常检测方法，其特征在于，所述csl标记策略的表达式如下：

4.根据权利要求1所述的基于改进yolov5的电厂捞渣机异常检测方法，其特征在于，步骤2中，所述arffe模块由多感受野融合阶段、通道注意力层和残差连接构成。

5.根据权利要求...

【专利技术属性】
技术研发人员：刘洲，钱勇武，周飞，陈宏伟，胡高斌，汤若鑫，
申请(专利权)人：江苏国信靖江发电有限公司，
类型：发明
国别省市：