【技术实现步骤摘要】
本专利技术属于计算机视觉目标检测，具体涉及一种基于改进的yolov8塔基底目标检测方法和装置。
技术介绍
1、能源行业高速发展，随着能源需求的不断增加，输电塔作为电力传输的重要设施得到了广泛应用。传统的输电塔巡检方式通常依赖于人工巡视，其效率低下且存在一定的安全风险，自动化和智能化的需求推动了对于输电塔巡检技术的研究和开发。随着计算机视觉和深度学习技术的快速发展，目标检测算法在各个领域取得了显著的进展，这些算法可以通过分析图像或视频数据来实现自动化的目标识别和位置检测。输电塔具有特定的形状和结构特征，其底部是塔基，如果塔基存在异常或损坏，可能会对输电塔的稳定性和安全性产生影响。为确保电力系统的稳定运行，对输电塔的安全和可靠性提出了更高的要求，因此，实现准确快速地检测和定位输电塔的塔基底部目标具有重要意义。
2、在这样的背景下，对塔基底目标检测算法进行研究可以提供一种自动化、高效的方式来检测和识别输电塔底部。通过利用计算机视觉和深度学习技术，结合相应的数据采集和处理方法，可以实现对输电塔底部目标的快速、准确的检测和定位，为输电...
【技术保护点】
1.基于改进的YOLOv8塔基底目标检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于改进的YOLOv8塔基底目标检测方法，其特征在于，S2中，所述输入端中设置有Mosaic数据增强。
3.根据权利要求1所述的基于改进的YOLOv8塔基底目标检测方法，其特征在于，S2中，所述骨干网络中的C3位置处均为C2f结构。
4.根据权利要求1所述的基于改进的YOLOv8塔基底目标检测方法，其特征在于，S2中，所述颈部网络为双流FPN架构。
5.根据权利要求1所述的基于改进的YOLOv8塔基底目标检测方法，其特征在于...
【技术特征摘要】
1.基于改进的yolov8塔基底目标检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于改进的yolov8塔基底目标检测方法，其特征在于，s2中，所述输入端中设置有mosaic数据增强。
3.根据权利要求1所述的基于改进的yolov8塔基底目标检测方法，其特征在于，s2中，所述骨干网络中的c3位置处均为c2f结构。
4.根据权利要求1所述的基于改进的yolov8塔基底目标检测方法，其特征在于，s2中，所述颈部网络为双流fpn架构。
5.根据权利要求1所述的基于改进的yolov8塔基底目标检测方法，其特征在于，s2中，检测头设置有两个检测头，所述两个检测头包括分离的回归分支和预测分支。
6.根据权利要求1所述的基于改进的yolov8塔基底目标检测方法，其特征在于，s2中，所述dattention中设置有m个注意力头，每一个注意力头设置有k个初始采样点，通过线性操作生成的偏移量更新k个采样点的坐标，通过线性操作获得每一个采样点的注意力权重，对k个采样点和对应的注意力权重的乘积求和，将m个注意...
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。