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：安徽省(水利部淮河水利委员会)水利科学研究院(安徽省水利工程质量检测中心站)
摘要：本发明公开了一种基于无人机红外热成像的堤坝渗漏目标检测方法，通过无人机搭载红外传感器获得堤坝的红外图像与可见光图像；制作数据集，划分成为训练集、验证集和测试集；改进和训练Yolov5模型，输入训练集中的红外影像基于PyCharm软件中对改进后的Yolov5模型进行训练；每训练一个批次都会从验证集中进行训练验证；试集图像输入至训练完成的Yolov5模型中,并设置超参数，对数据进行预测并得到最终检测结果，即堤坝渗漏目标。本发明建立基于Yolov5的无人机红外图像的堤坝渗漏检测方法，该方法对Yolov5模型进行改进。通过充分发挥无人机的优势，实现对堤坝渗漏的高效检测，为大坝结构安全提供可靠的保障。
主权项：1.一种基于深度学习的堤坝渗漏红外图像目标检测方法，其特征在于，主要包括改进和训练Yolov5模型和利用改进优化后的Yolov5模型进行堤坝渗漏检测，具体包括如下步骤：步骤S1，数据采集：利用无人机搭载红外镜头获取堤坝的红外图像与可见光图像数据，像素大小为640*640；步骤S2，数据集制作：利用labelImg数据标注工具，选取红外图像数据中渗漏区域进行标注，并利用数据增强技术如旋转、翻转、缩放、亮度调整对方法对标注后数据进行操作，以扩增数据，原始标注数据与数据增强后数据共同构成数据集；步骤S3，划分数据集：针对制作完成的数据集按6：2：2的比例划分成为训练集、验证集和测试集；步骤S4，改进Yolov5模型：在Yolov5模型引入Ghostnet卷积网络，同时增加通道注意力与空间特征注意力融合的CBAM注意力机制模块；步骤S5，训练改进Yolov5模型：输入训练集中的红外影像基于PyCharm软件中对改进后的Yolov5模型进行训练；每训练一个批次都会从验证集中进行训练验证；步骤S6，堤坝渗漏目标检测：将S3中制作完成的数据集中测试集图像输入至S5训练完成的Yolov5模型中并设置超参数，对数据进行预测并得到最终检测结果，即堤坝渗漏目标。
全文数据：
权利要求：
百度查询： 安徽省(水利部淮河水利委员会)水利科学研究院(安徽省水利工程质量检测中心站) 一种基于深度学习的堤坝渗漏红外图像目标检测方法
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