买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：东北电力大学

摘要：本发明公开了一种基于改进YOLOv7的轻量化路面缺陷检测方法，具体包括以下步骤：（1）建立路面缺陷图像数据集；（2）为数据集中的图像添加标注信息；（3）构建基于改进YOLOv7的轻量化路面缺陷检测模型；（4）改进损失函数；（5）采用训练集和验证集对模型进行训练并保存训练好的模型；（6）采用测试集对模型进行测试，模型的精度满足泛化性要求，即获得最终的轻量化路面缺陷检测模型。相较于现有技术，本发明公开的一种基于改进YOLOv7的轻量化路面缺陷检测方法，能够有效提高路面缺陷检测的精度，同时，使模型具备了更好的轻量化特性，便于部署在资源受限的移动硬件平台上。

主权项：1.一种基于改进YOLOv7的轻量化路面缺陷检测方法，其特征在于，具体包括以下步骤：步骤1：获取路面缺陷图像，形成第一数据集；所述第一数据集中，路面缺陷图像可通过数码相机进行拍摄、从行车记录仪或者监控视频中获取；步骤2：为所述第一数据集中的图像添加标注信息，形成第二数据集，并将所述第二数据集划分训练集、验证集和测试集；步骤3：构建基于改进YOLOv7的轻量化路面缺陷检测模型，所述模型的构建，进一步包括步骤3.1至步骤3.3：步骤3.1：构建特征提取Backbone网络，所述Backbone网络包括CBS层、MobileOne模块、MP-1模块和ELAN模块；输入的图片首先通过4个CBS卷积层，随后经过MobileOne模块、MP-1模块和ELAN模块进行特征提取；步骤3.2：构建轻量级特征融合Neck网络，所述Neck网络由CBS层、SPPCSPC模块、UPSmaple上采样模块、C3模块和MP-2模块组成；所述步骤3.1提取到的特征经过SPPCSPC模块调整通道数，然后经过四个C3模块特征融合处理得到大、中、小三种尺寸的特征；步骤3.3：所述步骤3.2融合的特征被送入Head，经过REP层和CBM层的处理后得到检测结果；步骤4：采用一种新的损失函数WIoU，充分考虑训练样本不平衡的问题，降低损失函数的震荡，减小低质量样本产生的有害梯度，新的损失函数计算公式为： ;公式（1）中,r是梯度增益，RWIoU为距离注意力，LIoU边界框损失函数；其中，r的计算公式为： ;公式（2）中，β表示离群度，用于描述锚框的质量，α和δ都是可调节参数，用来控制离群度β和梯度增益r的映射，通常设定为1.9和3.0；β的计算公式为： ;公式（3）中，为单调聚焦系数的梯度增益，是滑动平均值，根据训练进程动态地更新最高梯度增益使整体β保持较高水平；公式1中，RWIoU的计算公式为： ;公式（4）中，上标*表示将Wg与Hg从计算图中进行分离，x,y表示预测框中心坐标；xgt,ygt表示真实框中心坐标；Wg,Hg表示同时包含预测框和真实框的最小外围框的宽和高；公式1中，LIoU的计算公式为： ;其中，IoU是度量预测框和真实框重叠程度的常量，Wt和Ht表示预测框和真实框交集的宽和高；Wg,Hg表示同时包含预测框和真实框的最小外围框的宽和高；步骤5：利用所述训练集和验证集对步骤3所述的基于改进YOLOv7的轻量化路面缺陷检测模型进行训练，并保存训练好的模型，所述步骤5，进一步包括步骤5.1至步骤5.4：步骤5.1：设置所述基于改进YOLOv7的轻量化路面缺陷检测模型训练参数，模型训练参数包括：学习率，动量，权重衰减，优化器，迭代轮数，批大小；步骤5.2：将所述训练集和验证集图像以及对应标签输入到所述改进YOLOv7的轻量化路面缺陷检测模型中，使用反向传播算法计算损失函数对模型参数的梯度，根据梯度更新模型的参数，使损失函数逐渐减小；步骤5.3：监控训练过程中的损失函数值和性能指标，训练集和验证集的损失函数不再下降，同时评价指标mAP、召回率R、准确率P也不再提高时，停止训练，以避免模型过拟合；步骤5.4：在训练完成后，保存训练好的模型；步骤6：在所述步骤5.4中保存的模型中选取最优模型，采用所述测试集对所述最优模型进行测试，对测试集测试结果进行评估，模型的精度满足泛化性要求，即获得最终基于改进YOLOv7的轻量化路面缺陷检测模型；

全文数据：

权利要求：

百度查询： 东北电力大学 一种基于改进YOLOv7的轻量化路面缺陷检测方法