首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于YOLOv7-tiny的输电线路烟火检测方法 

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:西南交通大学;国网四川岷江供电有限责任公司

摘要:本发明公开了一种基于YOLOv7‑tiny的输电线路烟火检测方法,属于电网输电线路烟火检测技术领域,包括:收集输电线路以及周围环境的烟火图像,以及收集类火和类烟的干扰图像,将收集的图像进行预处理和标注,并按照比例划分为训练集和验证集,对基于YOLOv7‑tiny的卷积神经网络模型进行优化,利用训练集和验证集对优化后的卷积神经网络模型进行训练和验证,得到最优的卷积神经网络模型,并部署至可视化边缘设备上,对输电线路进行烟火检测。本发明方法能够得到更高维的语义信息,解决不同层级间存在识别结果不一致的问题,具有更低的参数量和算力要求,更高的平均准确率,具有更高的经济效益。

主权项:1.一种基于YOLOv7-tiny的输电线路烟火检测方法,包括以下步骤:步骤S1:收集输电线路以及周围环境的烟火图像,以及收集类火和类烟的干扰图像,并进行预处理,得到预处理后的图像;步骤S2:对预处理后的图像进行标注,并按照比例将标注后的图像划分为训练集和验证集;步骤S3:对基于YOLOv7-tiny的卷积神经网络模型进行优化,得到优化后的卷积神经网络模型;步骤S4:利用所述训练集和验证集对优化后的卷积神经网络模型进行训练和验证,得到最优的卷积神经网络模型;步骤S5:将所述最优的卷积神经网络模型部署至可视化边缘设备上,对输电线路进行烟火检测;所述优化后的卷积神经网络模型包括YOLOv7-tiny网络模型,所述YOLOv7-tiny网络模型的主干网络Backbone包括基础层layer0、第一特征提取层layer1、第二特征提取层layer2、第三特征提取层layer3和第四特征提取层layer4;输电线路图像从输入层Input输入,格式为640×640×3,首先经过基础层layer0得到第一特征图,然后依次经过四层特征提取层后分别得到第二特征图、第三特征图、第四特征图和第五特征图,将第三特征图、第四特征图和第五特征图作为具有空间感知的渐近特征金字塔网络模块CAFPN的输入,经过卷积坐标注意力CBSCA,即卷积模块CBS和坐标注意力模块CA,得到第一最终特征图、第二最终特征图和第三最终特征图,并输入至检测头Head,采用检测头IDetect进行检测,并得到损失函数loss;其中,基础层layer0包括两个基础卷积模块CBL,细节Details展示了各模块的结构,基础卷积模块CBL包括二维卷积Conv2d、批处理归一化BatchNorm和激活函数LeakyRelu,四层特征提取层layer1、layer2、layer3和layer4中,第一特征提取层layer1包括高效层聚合模块EELANt和卷积注意力模块CBAM,第二特征提取层layer2、第三特征提取层layer3和第四特征提取层layer4均包括一个最大池化层MaxPool2d、高效层聚合模块EELANt和卷积注意力模块CBAM;其中,高效层聚合模块EELANt包括第一基础卷积模块CBL与链接层Concat连接,第二基础卷积模块CBL、第三基础卷积模块CBL和第四基础卷积模块CBL依次连接并且均与链接层Concat连接,链接层Concat与第五基础卷积模块CBL连接;卷积注意力模块CBAM包括通道注意力和空间注意力两个步骤:提取通道注意力的流程由卷积注意力模块CBAM的上半部分组成,其中GAP为全局平均池化,GMP为全局最大池化,Conv为卷积模块,Relu和Sigmod均为激活函数;提取空间注意力的流程由中模块的下半部分组成,其中GAP为全局平均池化,GMP为全局最大池化,Concat为链接层,Conv为卷积模块,BN为归一化模块,Sigmod为激活函数;检测头IDetect包括隐式加法函数ImplicitA、二维卷积Conv2d和隐式乘法函数ImplicitM。

全文数据:

权利要求:

百度查询: 西南交通大学 国网四川岷江供电有限责任公司 基于YOLOv7-tiny的输电线路烟火检测方法

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。