一种基于改进制造技术

技术编号:39584895 阅读:35 留言:0更新日期:2023-12-03 19:36
本发明专利技术公开了一种基于改进

【技术实现步骤摘要】
一种基于改进YOLOv5模型的螺栓检测方法及系统


[0001]本专利技术涉及计算机视觉
,具体涉及一种基于改进
YOLOv5
模型的螺栓检测方法及系统


技术介绍

[0002]铁路轨枕螺栓是铁路轨道扣件的重要组成部分之一,由于其长期暴露在大气中,经受风吹雨淋,霜冻雪埋等循环性气候变化,容易出现氧化锈蚀

螺栓锈蚀轻则使螺栓锈死,影响轨距调整和轨道水平找正等养路作业,重则使螺栓根部腐蚀折断,影响行车安全

因此,为了保证运输安全,应有计划的对轨枕螺栓进行防锈蚀处理

近年来,在对轨枕螺栓进行长效防腐脂涂覆作业时,逐渐开始使用简单机具或智能装置进行螺栓自动识别和涂覆,然而,由于在识别中会出现遮挡

翻转以及平移等问题,
[0003]现有的钢轨螺栓识别方法往往使用计算机视觉技术,将图像处理技术用于钢轨螺栓的识别,可用于钢轨螺栓的自动涂覆,有效提高钢轨螺栓涂油保养的效率,减轻作业人员的工作负担

然而,由于钢轨螺栓图像中包含大量冗杂信息,往往还出现阴影

光照不均衡

复杂背景等情况,在识别中螺栓图像会出现遮挡

翻转以及平移等问题,造成误检和漏检的情况,的拓扑结构和形态差异较大,容易导致对其局部的误判和漏检

因此,如何快速

准确的识别钢轨螺栓,对提高铁路养路机械化水平,做好轨道零件日常性保养具有重要意义


技术实现思路

[0004]为了解决上述问题,本专利技术提出了一种基于改进
YOLOv5
模型的钢轨螺栓检测方法,提高了识别效果,还减少了模型复杂度,提高了检测速度,能够快速的应对大规模的目标检测任务

[0005]本专利技术解决其技术问题采取的技术方案是:
[0006]本专利技术实施例提供的一种基于改进
YOLOv5
模型的螺栓检测方法,包括以下步骤:
[0007]采集钢轨螺栓图像进行预处理,建立目标数据集;
[0008]构建结合
CARAFE

NWD

IOU
损失函数的改进
YOLOv5
模型;
[0009]利用目标数据集,对所述改进
YOLOv5
模型进行训练并评估;
[0010]使用评估完成的改进
YOLOv5
模型进行钢轨螺栓检测

[0011]进一步的,采集钢轨螺栓图像进行预处理,建立目标数据集,包括:
[0012]使用
LabelImg
标注工具对采集的螺栓图像中螺栓位置进行标注,获得每张图像对应的
xml
文件;
[0013]对每张螺栓图像及其对应的
xml
格式文件进行数据增强操作;
[0014]将螺栓图像及其
xml
文件按照
VOC
格式进行存储,建立目标数据集

[0015]进一步的,构建结合
CARAFE

NWD

IOU
损失函数的改进
YOLOv5
模型,包括:
[0016]建立基础
YOLOv5
模型;
[0017]将传统上采样模块替换为
CARAFE
上采样模块;
[0018]使用
NWD

IOU
损失函数作为模型的回归损失函数

[0019]进一步的,
CARAFE
上采样模块进行上采样,包括:
[0020]输入形状为
H
×
W
×
C
的特征图,用1×1×1卷积将它的通道数压缩到
H
×
W
×
C
m
,其中
H、W、C
分别为图片高度

图片长度和图片通道数;
[0021]设上采样倍率为
σ
,利用
K
encoder
×
K
encoder
的卷积层,输入通道数为
C
m
,输出通道数为将通道数在空间维展开,得到形状为的上采样核;
[0022]将所述上采样核利用
Softmax
进行归一化,使卷积核权重和为
1。
[0023]进一步的,所述
NWD

EIOU
损失函数的公式,包括:
[0024]L
Bbox

(1

IOU
r
)
×
(1

NWD)+IOU
r
×
(1

IOU)
[0025]其中,
IOU
为预测边界框与真实边界框的重叠面积,
IOU
为使用
IOU
度量方法的阈值设定值,
NWD
为使用
NWD
度量方法的基础设定值

[0026]进一步的,将所述目标数据集划分为训练集

验证集和测试集,其中训练集

验证集与测试集的比例为
7:2:1。
[0027]进一步的,对改进
YOLOv5
模型进行评估,包括:
[0028]计算召回率
Recall、
精确率
Precision

F1
分数:
[0029]Recall

TP/(TP+FN)
[0030]Precision

TP/(TP+FP)
[0031]F1

Score
=2×
(Precision
×
Recall)/(Precision+Recall)
[0032]其中,
TP
为将正类预测为正类的样本个数,
FN
为将正类预测为负类的样本个数,
FP
为将负类预测为正类的样本个数,
TN
为将负类预测为负类的样本个数

[0033]本专利技术实施例提供的一种基于改进
YOLOv5
模型的螺栓检测系统,其特征在于,包括:
[0034]图像处理模块,用于采集钢轨螺栓图像进行预处理,建立目标数据集;
[0035]模型建立模块,用于构建结合
CARAFE

NWD

IOU
损失函数的
YOLOv5
模型;...

【技术保护点】

【技术特征摘要】
1.
一种基于改进
YOLOv5
模型的螺栓检测方法,其特征在于,包括以下步骤:采集钢轨螺栓图像进行预处理,建立目标数据集;构建结合
CARAFE

NWD

IOU
损失函数的改进
YOLOv5
模型;利用目标数据集,对所述改进
YOLOv5
模型进行训练并评估;使用评估完成的改进
YOLOv5
模型进行钢轨螺栓检测
。2.
根据权利要求1所述的一种基于改进
YOLOv5
模型的螺栓检测方法,其特征在于,采集钢轨螺栓图像进行预处理,建立目标数据集,包括:使用
LabelImg
标注工具对采集的螺栓图像中螺栓位置进行标注,获得每张图像对应的
xml
文件;对每张螺栓图像及其对应的
xml
格式文件进行数据增强操作;将螺栓图像及其
xml
文件按照
VOC
格式进行存储,建立目标数据集
。3.
根据权利要求1所述的一种基于改进
YOLOv5
模型的螺栓检测方法,其特征在于,构建结合
CARAFE

NWD

IOU
损失函数的改进
YOLOv5
模型,包括:建立基础
YOLOv5
模型;将传统上采样模块替换为
CARAFE
上采样模块;使用
NWD

IOU
损失函数作为模型的回归损失函数
。4.
根据权利要求3所述的一种基于改进
YOLOv5
模型的螺栓检测方法,其特征在于,
CARAFE
上采样模块进行上采样,包括:输入形状为
H
×
W
×
C
的特征图,用1×1×1卷积将它的通道数压缩到
H
×
W
×
C
m
,其中
H、W、C
分别为图片高度

图片长度和图片通道数;设上采样倍率为
σ
,利用
K
encoder
×
K
encoder
的卷积层,输入通道数为
C
m
,输出通道数为将通道数在空间维展开,得到形状为的上采样核;将所述上采样核利用
Softmax
进行归一化,使卷积核权重和为
1。5.
根据权利要求3所述的一种基于改进
YOLOv5
模型的螺栓检测方法,其特征在于,所述
NWD

EIOU
损失函数的公式,包括:
L
Bbox

(1

IOU
...

【专利技术属性】
技术研发人员:潘广源宋华建白志远苗志军王新聪
申请(专利权)人:山东华盛中天工程机械有限责任公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1