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：南昌航空大学
摘要：本申请涉及一种基于YOLO‑FOD的密集架通道异物检测方法，它包括如下步骤：制作YOLO‑FOD数据集并划分为训练集和验证集，对训练集中的图像进行增强处理；构建YOLO‑FOD网络模型，所述YOLO‑FOD网络模型包括主干网络、特征融合结构和双头结构；使用训练集对所述YOLO‑FOD网络模型进行训练；使用训练好的YOLO‑FOD网络模型进行通道异物检测。本发明通过融合关键点检测算法与分类算法，实现对不断变化的通道区域与异物位置的精准定位，并通过位置关系判断通道内的异物状态，解决了现有技术在检测边界不明确的情况下准确率低的问题。
主权项：1.一种基于YOLO-FOD的密集架通道异物检测方法，其特征在于，包括如下步骤：S1：采集密集架通道异物图像，标注图像中密集架通道区域的关键点信息、密集架通道区域的位置信息、异物的类别信息、异物的位置信息和通道的异物状态，生成图像片对应的标签，使用标注后的图像构成YOLO-FOD数据集；S2：将YOLO-FOD数据集划分为训练集和验证集，并对训练集中的图像进行增强处理；S3：构建YOLO-FOD网络模型，所述YOLO-FOD网络模型包括主干网络、特征融合结构和双头结构；所述主干网络对输入图像的底层纹理信息和深层次抽象语义进行提取，生成多尺度特征；所述特征融合结构对所述多尺度特征进行采样和融合，生成多尺度融合语义特征；所述双头结构对所述多尺度融合语义特征进行预测，判断通道异物状态并生成异物检测概率向量，通过异物检测概率向量得出异物检测结果；S4：使用训练集对所述YOLO-FOD网络模型进行训练，使用矩形框损失lossbox，类别损失losscls，关键点损失losskpt和FOD损失lossFOD构成总损失函数losstotal，指导模型优化；S5：使用训练好的YOLO-FOD网络模型进行通道异物检测。
全文数据：
权利要求：
百度查询： 南昌航空大学 一种基于YOLO-FOD的密集架通道异物检测方法
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