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：齐丰科技股份有限公司

摘要：本发明提出了一种基于深度学习的开关柜上旋钮状态检测系统，所述检测方法系统设置有视频采集模块、深度学习识别检测模块和关键点识别模块；所述视频采集模块包括架设在旋钮设备前方的固定摄像机、视频分析服务器以及连接摄像机与服务器的网络线材和设备；所述深度学习识别检测模块使用Yolov5网络模型，包括输入端、Backbone和损失函数；所述关键点识别模块使用HRNet网络模型，包括入口流、阶段、多次跨尺度连接、退出流和损失函数；所述检测方法通过视频采集模块采集图像，关键点识别模块将深度学习识别检测模块检测出的旋钮区域进行识别，结合深度学习识别检测模块的输出结果进行判断，确定旋钮的工作状态，保障作业人员的安全、提高人员工作效率。

主权项：1.一种基于深度学习的开关柜上旋钮状态检测系统，包括有视频采集模块、深度学习识别检测模块和关键点识别模块，其特征在于：所述基于深度学习的开关柜上旋钮状态检测方法的视频采集模块包含架设在旋钮设备前方的固定摄像机、视频分析服务器以及连接摄像机与服务器的网络线材和设备；所述深度学习识别检测模块使用Yolov5网络模型，包括输入端、Backbone和损失函数；以CSPDarknet53作为骨干网络，SPPF作为Neck的附加模块、CSP-PAN作为Neck颈部网络的特征融合模块，以及使用YOLOv3作为head头部网络，深度学习识别检测模块读取图像序列中的关键帧，关键帧的选取按照均匀时间进行选取，将关键帧逐一缩放到640*640，再对图像RGB每个通道除255，把归一化的图像传入到yolov5检测模型，保留所有置信度大约设定阈值的结果；所述Yolov5网络模型中使用的损失函数包括分类损失、目标置信度损失和边界框回归损失；所述关键点识别模块使用HRNet网络模型，其关键组件包括入口流、阶段、多次跨尺度连接、退出流和损失函数；HRNet网络模型采用一种多分辨率的并行分支结构，其每个分支具有不同的分辨率，但有相同的深度，在训练过程中，使用多尺度的损失函数来优化不同分辨率的特征图；所述基于深度学习的开关柜上旋钮状态检测方法通过视频采集模块采集图像，关键点识别模块将深度学习识别检测模块检测出的旋钮区域进行识别，结合深度学习识别检测模块的输出结果进行判断，确定旋钮的工作状态。

全文数据：

权利要求：

百度查询： 齐丰科技股份有限公司 一种基于深度学习的开关柜上旋钮状态检测系统