一种基于FHC-DETR的废钢分类判级方法技术

本发明专利技术公开了一种基于FHC‑DETR的废钢分类判级方法，该方法包括：获取待分类的废钢图片并进行预处理；利用训练好的废钢分类判级模型废钢进行分类判级，其中，废钢分类判级模型为基于FHC‑DETR的模型，通过对RT‑DETR模型的改进，生成FHC‑DETR模型，具体包括：在RT‑DETR模型的主干网络中引入FasterNet模块；在高效混合编码器中采用HiLo注意力模块替换原有的AIFI模块，并采用CGR‑FFM模块替换原有的CCFM模块；在FHC‑DETR模型的解码器中，边界框回归损失函数采用基于最小点距离损失的MPDIoU损失函数来替换RT‑DETR中采用的基于GIoU损失函数。本发明专利技术的方法提高了在废钢分类判级任务中检测精度和效率。

【技术实现步骤摘要】

本专利技术属于目标检测领域，具体涉及一种基于fhc-detr的废钢分类判级方法。

技术介绍

1、废钢是一种可用于替代铁矿石的可循环资源，在钢铁生产中具有重要的作用。在废钢用于回炉炼钢之前需要进行关键的一步就是对废钢进行分类评级，然而目前分类评级工作主要依靠人工判断的方法来进行，这种方法具有效率低、易受人力因素影响等缺点。因此，采用客观的自动化技术来对废钢进行分类判级变得越来越重要。目目前废钢分类判级的自动化方式主要包括基于激光诱导击穿光谱技术(laser-induced breakdownspectroscopy，libs)、基于双能x射线透射技术(dual energy x-ray transmission，de-xrt)以及基于深度学习算法的方法。相较于前两者，基于深度学习的目标检测算法在废钢自动分类判级中具备检测速度快、稳定性高和效率高的优势。近年来，基于深度学习的目标检测技术快速发展，特别是其中的一阶段目标检测算法，其克服了传统目标检测方法的诸多弊端，其中在检测精度、检测速度和稳定性等方面表现优异，使得其在工业场景中得到了广泛的应用。

本文档来自技高网...

【技术保护点】

1.一种基于FHC-DETR的废钢分类判级方法，其特征在于，包括：

2.根据权利要求1所述的一种基于FHC-DETR的废钢分类判级方法，其特征在于，预处理包括：

3.根据权利要求1所述的一种基于FHC-DETR的废钢分类判级方法，其特征在于，在RT-DETR模型的主干网络中引入FasterNet模块包括：

4.根据权利要求1所述的一种基于FHC-DETR的废钢分类判级方法，其特征在于，FasterNet模块依次包括3×3的部分卷积层、1×1的卷积层、BN层、激活函数层和1×1的卷积层，3×3的部分卷积层的输入与第二个1×1的卷积层的输出进行残差连接。<...

【技术特征摘要】

1.一种基于fhc-detr的废钢分类判级方法，其特征在于，包括：

2.根据权利要求1所述的一种基于fhc-detr的废钢分类判级方法，其特征在于，预处理包括：

3.根据权利要求1所述的一种基于fhc-detr的废钢分类判级方法，其特征在于，在rt-detr模型的主干网络中引入fasternet模块包括：

4.根据权利要求1所述的一种基于fhc-detr的废钢分类判级方法，其特征在于，fasternet模块依次包括3×3的部分卷积层、1×1的卷积层、bn层、激活函数层和1×1的卷积层，3×3的部分卷积层的输入与第二个1×1的卷积层的输出进行残差连接。

5.根据权利要求1所述的一种基于fhc-detr的废钢分类判级方法，其特征在于，hilo注意力模块包含高频注意力分支和低频注意力分支，

6.根据权利要...

【专利技术属性】
技术研发人员：陶丽，未峰，王英，张元平，瞿经纬，韩先锋，杨照芳，
申请(专利权)人：西南大学，
类型：发明
国别省市：