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：沈阳工业大学

摘要：本发明涉及图像检测技术领域，提供了一种绝缘子缺陷检测方法，包括如下步骤：对原始的YOLOv7网络模型进行改进，将原始的YOLOv7网络模型的骨干网络中的前两个ELAN模块均替换为ELAN_Sim_ATT模块，将原始的YOLOv7网络模型的骨干网络中的后两个ELAN模块均替换为ELAN_Conv_ATT模块，将原始的YOLOv7网络模型的头部中的SPPCSPC模块替换为SPPCSPC_ATT模块，将原始的YOLOv7网络模型的头部中的两个Concat模块均替换为Concat_ATT模块，将原始的YOLOv7网络模型的头部中的两个MP‑2模块均替换为MP‑2_ATT模块，得到改进的YOLOv7网络模型；利用改进的YOLOv7网络模型对绝缘子串是否缺失进行识别，具有较高的准确性。

主权项：1.一种绝缘子缺陷检测方法，其特征在于，包括如下步骤：对原始的YOLOv7网络模型进行改进，将原始的YOLOv7网络模型的骨干网络中的前两个ELAN模块均替换为ELAN_Sim_ATT模块，将原始的YOLOv7网络模型的骨干网络中的后两个ELAN模块均替换为ELAN_Conv_ATT模块，将原始的YOLOv7网络模型的头部中的SPPCSPC模块替换为SPPCSPC_ATT模块，将原始的YOLOv7网络模型的头部中的两个Concat模块均替换为Concat_ATT模块，将原始的YOLOv7网络模型的头部中的两个MP-2模块均替换为MP-2_ATT模块，得到改进的YOLOv7网络模型；利用改进的YOLOv7网络模型对绝缘子串是否缺失进行识别；所述ELAN_Sim_ATT模块的实现方法为：首先有两条分支的第一卷积层11和第二卷积层12进行特征提取，紧接着第三卷积层13的输入为第一卷积层11的输出，第四卷积层14的输入为第三卷积层13的输出，第五卷积层15的输入为第四卷积层14的输入，第六卷积层16的输入为第五卷积层15的输出，最后利用Concat拼接第一卷积层11的输出、第二卷积层12的输出、第四卷积层14的输出和第六卷积层16的输出，然后将拼接后的特征图传入到注意力机制Conv_Sim_ATT提取关键的特征；所述ELAN_Conv_ATT模块的实现方法为：首先有两条分支的第七卷积层21和第八卷积层26进行特征提取，紧接着第九卷积层22的输入为第七卷积层21的输出，第十卷积层23的输入为第九卷积层22的输出，第十一卷积层24的输入为第十卷积层23的输入，第十二卷积层25的输入为第十一卷积层24的输出，最后利用Concat拼接第七卷积层21的输出、第十卷积层23的输出、第十二卷积层25的输出和第八卷积层26的输出，然后将拼接后的特征图传入到注意力机制Conv_ATT提取关键的特征；所述SPPCSPC_ATT模块的实现方法为：通过卷积层self.cv1、self.cv3和self.cv4对输入特征进行多次特征提取和降维；使用多尺度的最大池化层self.m对特征图进行不同尺度的池化操作，并与原始特征x1进行拼接；通过两个额外的卷积层self.cv5和self.cv6进一步处理拼接后的特征y1；同时，使用另一个卷积层self.cv2对输入特征进行处理得到y2；最后将y1和y2进行拼接，通过self.cv7进行进一步处理，并传递给注意力机制层self.att进行加权处理，以得到最终的特征表示；所述Concat_ATT模块的实现方法为：在init方法中：接受一个参数channel，表示输入特征的通道数；dimension表示在哪个维度上进行拼接，默认为1；创建了一个SEAttention类的实例att，用于对拼接后的特征进行自注意力机制的增强；在forward方法中：输入x是一个特征列表或特征元组，包含多个特征张量；使用torch.catx,self.d对这些特征张量在指定维度self.d进行拼接；然后，将拼接后的特征张量输入到自注意力机制SEAttention中，得到增强的特征张量；所述MP-2_ATT模块的实现方法为：首先把输入的特征传入到最大池化层31和第十三卷积层33，紧接着第十四卷积层32的输入为最大池化层31的输出，第十五卷积层34的输入为第十三卷积层33的输出，最后把第十四卷积层32和第十五卷积层34得到的特征用Concat_ATT连接起来。

全文数据：

权利要求：

百度查询： 沈阳工业大学 一种绝缘子缺陷检测方法