龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：哈尔滨理工大学
摘要：一种基于YOLO的起重机关键部件缺陷检测方法，属于目标缺陷检测方法领域。现有目标缺陷检测方法在针对复杂背景下的少样本、小目标的检测过程中存在特征损失、卷积层深度大、特征图通道数多、计算量大的问题。本发明方法包括收集与处理数据集；改进YOLO模型结构，将原本的耦合头替换成解耦合头；进行通道剪枝；配合卷积和注意力机制改进检测算法，选用EIoULoss更好的回归函数作为边界框回归损失函数；使用轻量级通用上采样算子CARAFE替换最近邻插值，以改进上采样方法；利用部分数据对改进的YOLO模型结构进行训练；利用训练后的模型对起重机关键部件缺陷进行检测。本发明适用于复杂背景下少样本、小目标缺陷识别，且具有模型轻量化，识别精确度高、速度快的优点。
主权项：1.一种基于YOLO的起重机关键部件缺陷检测方法，其特征在于：所述方法通过以下步骤实现：步骤一、收集与处理用于模型训练用的数据集；所述的数据集收集于工地起重机的真实损伤图片，部分来自于网络作为原始图片，并对原始图片进行翻转、缩放、剪切操作；之后，使用打标软件进行数据集损伤标注，包括钢丝绳抽丝、开裂、人体腐蚀以及磨损缺陷类型，对标注完的图片生成对应格式的txt格式文件；步骤二、基于YOLOv6或YOLOv7改进YOLO模型结构，具体是：将原本的耦合头替换成解耦合头；进行通道剪枝，使模型轻量化；步骤三、配合卷积和注意力机制改进检测算法，选用EIoULoss更好的回归函数作为边界框回归损失函数；步骤四、使用轻量级通用上采样算子CARAFE替换最近邻插值，以改进上采样方法；步骤五、在特征融合结构中引入自适应空间特征融合模块优化Head部分，通过自适应地融合图像的浅层特征和深层特征的信息；步骤六、利用步骤五从数据集的部分数据提取的图像特征对经过步骤二、三、四和五方法改进的YOLO模型结构进行训练；步骤七，利用步骤六获得的训练后的模型对起重机关键部件缺陷进行检测。
全文数据：
权利要求：
百度查询： 哈尔滨理工大学 一种基于YOLO的起重机关键部件缺陷检测方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号