【技术实现步骤摘要】
本专利技术涉及图像识别，特别涉及一种基于改进yolov8的城市排水系统内部异物智能识别方法。
技术介绍
1、城市排水系统作为城市基础设施的重要组成部分，承载着保障城市正常运行和居民生活质量的重要职责。然而城市排水系统内部环境复杂，异物种类繁多，包括固体垃圾、沉积物、树根等，这些异物可能导致排水管道堵塞，影响城市排水效率，进而影响城市的正常秩序和居民的生活质量。另外，异物的存在还会加剧排水管道的腐蚀和老化，缩短管道的使用寿命，增加维护成本。传统的排水系统异物检测方法，如人工巡检、使用探测器等，存在效率低、成本高、操作复杂等问题，无法满足现代城市管理的需求。利用计算机视觉技术可以快速识别城市排水系统内部异物，有效降低巡检成本，并显著提高巡检效率，对确保城市排水效率起着举足轻重的作用。深度学习，作为机器学习领域的关键分支，凭借其多层非线性变换的神经网络架构，展现出了卓越的数据预测与分析能力。城市排水系统内部异物图像数据作为非结构化数据的一种，利用深度学习算法进行异物识别，已成为业界广泛探索和追求的新方向。
2、然而，目前对于城市排水系统内部异物识别的研究往往缺乏对实际环境的考虑，可能对异物识别的准确性和鲁棒性造成严重影响。若采用更复杂的数据集进行模型训练，存在异物数据不平衡以及多尺度问题，若直接使用yolov8模型进行城市排水系统内部异物识别会因数据不平衡导致模型过度拟合于背景，使得模型难以准确区分异物和背景，同时无法充分捕捉所有尺度的关键信息，导致模型对异物类别的识别精度较低。
技术实现思路<
1、本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，本专利技术提出一种基于改进yolov8的城市排水系统内部异物智能识别方法，能够在不调整偏置电压的情况下，以低硬件成本实现sipm的温度补偿，提高光学检测设备的工作稳定性。
2、第一方面，本专利技术实施例提供了一种基于改进yolov8的城市排水系统内部异物智能识别方法，包括：
3、获取城市排水系统的内部异物图像数据集，对所述内部异物图像数据集进行预处理，将所述内部异物图像数据集分为训练集和验证集，其中，所述内部异物图像数据集包括多张内部异物参考图像，所述预处理包括针对所述内部异物图像进行图像旋转、颜色改变和添加高斯噪声；
4、获取预设yolov8模型，采用fasternet替换所述预设yolov8模型的主干网络，在所述预设yolov8模型的neck网络添加ema注意力机制，得到改进yolov8模型；
5、将训练集输入所述改进yolov8模型进行迭代训练，得到训练的最优权重文件，使用所述验证集对训练好的所述改进yolov8模型进行验证；
6、将待检测异物图像输入训练好的所述改进yolov8模型，获取所述改进yolov8模型输出的识别结果，基于所述识别结果在待检测异物图像中显示目标异物的目标框和置信度。
7、根据本专利技术的一些实施例，所述高斯噪声计算公式如下：
8、其中，μ为高斯噪声的预设均值，σ为高斯噪声的预设标准差，e为自然常数。
9、根据本专利技术的一些实施例，所述fasternet依次包括embedd ing层、第一fasternetbl ock模块、第一merging层、第二fasternetblock模块、第二merging层、第三fasternetblock模块、第三merging层、第四fasternetblock模块、第四merging层、sppf层、第一ema注意力模块，其中，所述第一fasternetblock模块、所述第二fasternetblock模块、所述第三fasternetblock模块和所述第四fasternetblock模块均包括多个卷积层和激活函数。
10、根据本专利技术的一些实施例，所述neck网络依次包括：第一上采样模块、第二ema注意力模块、第一concat模块、第一c2f模块、第二上采样模块、第三ema注意力模块、第二concat模块、第二c2f模块。
11、根据本专利技术的一些实施例，在所述将待检测异物图像输入训练好的所述改进yolov8模型之后，所述方法还包括：
12、将所述待检测异物图像输入所述embedd ing层，将所述待检测异物图像的图像数据转换为嵌入向量；
13、将所述嵌入向量输入所述第一fasternetblock模块提取出第一图像特征，将所述第一图像特征经过所述第一merging层输入至所述第二fasternetblock模块提取出第二图像特征；
14、将所述第二图像特征分别输入至所述第二concat模块和所述第二merging层，经过所述第二merging层后输入至所述第三fasternetblock模块提取出第三图像特征；
15、将所述第三图像特征分别输入至所述第一concat模块和所述第三merging层，经过所述第三merging层后输入至所述第四fasternetblock模块提取出第四图像特征，将所述第四图像特征经过所述第四merging层输入至所述sppf层进行空间金字塔池化得到金字塔池化特征；
16、将所述金字塔池化特征输入至所述第一ema注意力模块进行注意力提取后得到第一注意力特征，将所述第一注意力特征输入至所述第一上采样模块。
17、根据本专利技术的一些实施例，在所述将所述第一注意力特征输入至所述第一上采样模块之后，所述方法还包括：
18、通过所述第一上采样模块对所述第一注意力特征进行上采样后输入所述第二ema注意力模块，通过所述第二ema注意力模块进行注意力提取得到第二注意力特征；
19、通过所述第一concat模块对所述第二注意力特征和所述第三图像特征进行特征融合，得到第一融合特征，将所述第一融合特征经过所述第一c2f模块输入至所述第二上采样模块；
20、通过所述第二上采样模块对所述第一融合特征进行上采样后输入所述第三ema注意力模块，通过所述第三ema注意力模块进行注意力提取得到第三注意力特征；
21、通过所述第二concat模块对所述第三注意力特征和所述第二图像特征进行特征融合，得到第二融合特征；
22、将所述金字塔池化特征、所述第一融合特征和所述第二融合特征输入至所述改进yolov8模型的head网络进行目标检测。
23、根据本专利技术的一些实施例，所述基于所述识别结果在待检测异物图像中显示目标异物的目标框和置信度，包括：
24、基于所述识别结果在所述待识别异物图像中确定所述目标异物的目标区域，基于所述目标区域的外边界生成所述目标框，并显示所述目标框的尺寸；
25、基于所述识别结果确定所述目标异物的置信度，在所述待检测异物图像中显示所述置信度。
26、第二方面，本专利技术实施例提供了一种基于改进yolov8的城市排水系统内部异物智能识别装置，包括少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器；所述本文档来自技高网...
【技术保护点】
1.一种基于改进YOLOv8的城市排水系统内部异物智能识别方法，其特征在于，包括：
2.根据权利要求1所述的一种基于YOLOv8改进的城市排水系统内部异物智能识别方法，其特征在于，所述高斯噪声计算公式如下：
3.根据权利要求1所述的一种基于YOLOv8改进的城市排水系统内部异物智能识别方法，其特征在于，所述FasterNet依次包括Embedding层、第一FasterNetBlock模块、第一Merging层、第二FasterNetBlock模块、第二Merging层、第三FasterNetBlock模块、第三Merging层、第四FasterNetBlock模块、第四Merging层、SPPF层、第一EMA注意力模块，其中，所述第一FasterNetBlock模块、所述第二FasterNetBlock模块、所述第三FasterNetBlock模块和所述第四FasterNetBlock模块均包括多个卷积层和激活函数。
4.根据权利要求3所述的一种基于YOLOv8改进的城市排水系统内部异物智能识别方法，其特征在于，所述Neck网络依次包括：第一
5.根据权利要求4所述的一种基于YOLOv8改进的城市排水系统内部异物智能识别方法，其特征在于，在所述将待检测异物图像输入训练好的所述改进YOLOv8模型之后，所述方法还包括：
6.根据权利要求5所述的一种基于YOLOv8改进的城市排水系统内部异物智能识别方法，其特征在于，在所述将所述第一注意力特征输入至所述第一上采样模块之后，所述方法还包括：
7.根据权利要求1所述的一种基于YOLOv8改进的城市排水系统内部异物智能识别方法，其特征在于，所述基于所述识别结果在待检测异物图像中显示目标异物的目标框和置信度，包括：
8.一种基于改进YOLOv8的城市排水系统内部异物智能识别装置，其特征在于，包括至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器；所述存储器存储有可被所述至少一个控制处理器执行的指令，所述指令被所述至少一个控制处理器执行，以使所述至少一个控制处理器能够执行如权利要求1至7任一项所述的基于改进YOLOv8的城市排水系统内部异物智能识别方法。
9.一种电子设备，其特征在于，包括权利要求8所述的基于改进YOLOv8的城市排水系统内部异物智能识别装置。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如权利要求1至7任一项所述的基于改进YOLOv8的城市排水系统内部异物智能识别方法。
...【技术特征摘要】
1.一种基于改进yolov8的城市排水系统内部异物智能识别方法，其特征在于，包括：
2.根据权利要求1所述的一种基于yolov8改进的城市排水系统内部异物智能识别方法，其特征在于，所述高斯噪声计算公式如下：
3.根据权利要求1所述的一种基于yolov8改进的城市排水系统内部异物智能识别方法，其特征在于，所述fasternet依次包括embedding层、第一fasternetblock模块、第一merging层、第二fasternetblock模块、第二merging层、第三fasternetblock模块、第三merging层、第四fasternetblock模块、第四merging层、sppf层、第一ema注意力模块，其中，所述第一fasternetblock模块、所述第二fasternetblock模块、所述第三fasternetblock模块和所述第四fasternetblock模块均包括多个卷积层和激活函数。
4.根据权利要求3所述的一种基于yolov8改进的城市排水系统内部异物智能识别方法，其特征在于，所述neck网络依次包括：第一上采样模块、第二ema注意力模块、第一concat模块、第一c2f模块、第二上采样模块、第三ema注意力模块、第二concat模块、第二c2f模块。
5.根据权利要求4所述的一种基于yolov8改进的...
【专利技术属性】
技术研发人员：陈思宇，平扬，陈辉，王寒涛，傅豪，余艳鸽，孙红亮，刘娟，唐力，
申请(专利权)人：中电建生态环境集团有限公司，
类型：发明
国别省市：
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。