申请/专利权人：湖南科技大学

申请日：2022-07-16

公开（公告）日：2024-01-19

公开（公告）号：CN117422852A

主分类号：G06V10/10

分类号：G06V10/10;G06N3/0464;G06N3/047;G06N3/084;G06V10/762;G06V10/774;G06V10/82

优先权：

专利状态码：在审-公开

法律状态：2024.01.19#公开

摘要：本发明公开了一种基于YOLOv5‑CB算法的烧结机篦条检测方法，CB即篦条（CombBar）。包括如下步骤：1）采集篦条故障图像，通过数据扩增制作数据集；2）搭建YOLOv5‑CB模型结构；3）通过步骤1制作的数据集训练改进后模型的篦条故障识别能力，得到权重文件；4）将待测图像和权重文件输入检测模型，对篦条故障进行识别；5）保存和展示检测结果，并根据故障的严重程度发出报警。相比原版YOLOv5，YOLOv5‑CB减少了对背景的误检，提高了检测准确率，且能够实时地对篦条故障进行检测，具有检测速度快、准确率高、鲁棒性好、部署简单等优点。

主权项：1.一种基于YOLOv5-CB算法的烧结机篦条检测方法，其特征在于，包括如下步骤：步骤1：采集篦条故障图像，通过数据扩增制作数据集；步骤2：搭建YOLOv5-CB模型结构；步骤3：通过步骤1制作的数据集训练改进后模型的故障识别能力，得到权重文件；步骤4：将待测图像和权重文件输入检测模型，对篦条故障进行识别；步骤5：保存和展示检测结果，并根据故障的严重程度发出报警。根据权利要求1所述的一种基于YOLOv5-CB算法的烧结机篦条检测方法，其特征在于，所述的步骤2包括如下步骤：步骤2.1：使用BiFPN结构替换YOLOv5中的PANet结构；步骤2.2：将YOLOv5中的最近邻上采样替换为Carafe上采样算法，Carafe上采样具体方法如下：（1）特征图通道压缩：将形状为H×W×C的输入特征图用一个1×1卷积将它的通道数压缩到Cm=64；（2）内容编码及上采样核预测：上采样核尺寸设置为2H×2W×3×3，使用尺寸为5×5×22×32的卷积核对上一步压缩通道后尺寸为H×W×Cm的输入特征图进行卷积，得到尺寸为2H×2W×32的上采样核；（3）上采样核归一化：对每个像素通道使用softmax进行归一化，使得卷积核权重和为1，最后将每个上采样核与输入特征图对应位置做点积，得到输出值。步骤2.3：训练时使用CIoU损失函数计算损失值，定义为： （1） （2） （3）其中α是权重系数，v是检测框和真实框的长宽比距离，b和bgt分别是预测框和真实框的中心点，ρ是欧氏距离，C是目标最小外接矩形的对角线距离，IOU是交并比，表示两框交集面积比它们的并集面积，w和h是预测框或真实框的宽和高。根据权利要求1所述的一种基于YOLOv5-CB算法的烧结机篦条检测方法，其特征在于，所述的步骤3包括如下步骤：步骤3.1：使用YOLOv5中的K-Means++算法对步骤1数据集的目标框的高宽进行聚类，由此确定训练所需的先验框参数；步骤3.2：将标注数据集按照8：2划分成训练集和测试集；步骤3.3：设置训练参数：批量数为32，迭代次数为100，训练尺寸为448×448×3，初始学习率为0.01；步骤3.4：使用Mosaic数据增强功能和Focus切片处理图片，训练权值。根据权利要求1所述的一种基于YOLOv5-CB算法的烧结机篦条检测方法，其特征在于，所述的步骤4包括如下步骤：步骤4.1：将待处理图像依次传入Backbone主干网络、Head层和检测层中，得到篦条故障的所在位置、类型概率和数量。根据权利要求1所述的一种基于YOLOv5-CB算法的烧结机篦条检测方法，其特征在于，所述的步骤5包括如下步骤：步骤5.1：记录检测时间，将故障类型和位置标注到输入图像副本上并保存；步骤5.2：将检测结果保存到数据库；步骤5.3：如果识别到1个故障，发出轻度报警，如果识别到2个故障，发出中度报警，如果识别到3个及以上故障，发出严重报警。

全文数据：

权利要求：

百度查询： 湖南科技大学 一种基于YOLOv5-CB算法的烧结机篦条检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD