申请/专利权人：山东浪潮科学研究院有限公司

申请日：2024-03-29

公开（公告）日：2024-06-28

公开（公告）号：CN117975372B

主分类号：G06V20/52

分类号：G06V20/52;G06V10/764;G06V10/774;G06N3/045;G06N3/0455;G06V10/80

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2024.05.21#实质审查的生效;2024.05.03#公开

摘要：本发明提出一种基于YOLOv8和Transformer编码器相结合的工地安全检测系统及方法，属于工地安全检测技术领域，包括：工地安全图像采集模块，用于在工地采集图像，并收集传回的图像数据；图像数据标注与数据集划分模块，对图像数据进行标注，将图像数据划分训练集、验证集及测试集；神经网络模型，基于改进的SPPFS模块插入YOLOv8l模型的主干网络，将主干网络的输出向量转换为高维向量，高维向量接入编码器，编码器的输出接入多层感知器，多层感知器用于对潜在的安全情况进行检测及分类；精简了YOLOv8主干网络以平衡精度和效果，有效提高了对大目标的特征提取能力，提高了检测效率和对小目标的检测精度。

主权项：1.一种基于YOLOv8和Transformer编码器相结合的工地安全检测系统，其特征在于，包括：工地安全图像采集模块，用于在工地采集图像，并收集传回的图像数据；图像数据标注与数据集划分模块，对图像数据进行标注，将图像数据划分训练集、验证集及测试集；神经网络模型，基于改进的SPPFS模块插入YOLOv8l模型的主干网络，将主干网络的输出向量转换为高维向量，高维向量接入transformer编码器，transformer编码器的输出接入多层感知器，多层感知器用于对潜在的安全情况进行检测及分类；通过训练集对神经网络模型进行训练，训练主干网络的卷积层参数，Transformer编码器的参数及模型尾部多层感知器参数；使用验证集对模型进行调优，获得训练完成的模型；利用测试集对训练完成的模型进行测试，获取输出；测试通过的模型用于对工地现场图像进行处理，识别潜在的安全风险；所述神经网络模型完整的网络结构为：图像输入-CBS-CBS-C2f-CBS-C2f-CBS-C2f-SPPFS-Transformer编码器-多层感知器-输出，SPPFS模块由SPPF特征金字塔模块改进，SPPFS模块由Conv,MaxPooling_1,MaxPooling_2,Concat,Conv模块组成，其中，Conv,MaxPooling_1,MaxPooling_2分别与Concat层相连；主干网络和Transformer编码器的连接方式为，将主干网络的2020512格式转换为400个512维的向量，输入到transformer编码器运算。

全文数据：

权利要求：

百度查询： 山东浪潮科学研究院有限公司 一种基于YOLOv8和Transformer编码器相结合的工地安全检测系统及方法

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