【技术实现步骤摘要】
本专利技术涉及智能检测，尤其是一种基于dscc-yolo的轻量级螺栓检测方法。
技术介绍
1、近年来，随着铁路的快速发展，建设和运营里程越来越多，随之而来的是铁路建设和运营过程中的铁路线路需要规范性和安全性巡检。螺栓是连接铁路线路中接触网组件的重要部件，如果螺栓数量不足或者螺栓松动，可能会导致接触网的不稳定，甚至造成接触网的倒塌。因此，在施工过程中，检测接触网螺栓数量显得尤为重要。
2、目前铁路使用的巡检方式为高速铁路供电安全检测监测系统（6c系统）巡检，可以对接触网进行高分辨率拍摄，然后通过人工逐帧查看，识别图像中的螺栓数量，并及时提出维修处理指导意见，以确保接触网安全稳定运行。然而，这种方式需要人工逐帧查看，存在整体工作量大的问题，而且人工逐帧查看时效性也较差，以及现有接触网螺栓检测技术在满足高精度和实时性要求方面面临的挑战。
技术实现思路
1、为了解决上述问题，本专利技术的目的是提供一种基于dscc-yolo的轻量级螺栓检测方法。
2、本专利技术提供了一种基于dscc-yolo的轻量级螺栓检测方法，所述方法包括：
3、获取待检测螺栓图像，将所述待检测螺栓图像输入预先训练的轻量级螺栓检测模型；所述轻量级螺栓检测模型基于yolov8网络构建，包括：backbone模块、neck模块和head模块；所述backbone模块中的conv模块替换为可变形卷积dconv模块，并且在neck模块将pan-fpn替换为bifpn，并设计sc2f模块代替原有
4、利用所述轻量级螺栓检测模型对所述待检测螺栓图像学习，以得到对应的目标检测结果。
5、可选地，所述轻量级螺栓检测模型的训练过程包括：
6、采集接触网螺栓图像，基于所述接触网螺栓图像构建样本数据集，并将所述样本数据集分割为训练集和测试集；
7、利用所述数据集中的样本数据训练所述轻量级螺栓检测模型，以得到能够根据接触网螺栓图像得到对应检测结果的轻量级螺栓检测模型。
8、可选地，所述backbone模块，利用可变形卷积层dconv对待检测螺栓图像进行自适应采样；通过sc2f模块对所述可变形卷积层dconv进行特征提取，得到特征图像；特征图像输入引入注意力机制的asppf模块，asppf模块对所述sc2f模块的得到所述特征图像对应的特征向量；
9、所述neck模块，首先通过一系列可变形卷积(dconv)和sc2f操作，在降低计算成本的同时提取和融合特征；融合后的特征进入bifpn模块，bifpn模块通过自顶向下和自底向上的双向信息流增强特征的多尺度表示，通过bifpn的多次迭代，实现不同层级特征的逐步融合；
10、在特征传递至检测头之前，通过上采样操作调整特征图的尺寸，以匹配检测头的输入要求；经过neck部分处理的特征图最终输出到head部分，用于目标的分类、定位和边界框的预测；
11、所述head模块，将三个尺度的特征输入到head检测模块中，实现目标检测。
12、可选地，所述sc2f模块表示为输入input→可变形卷积dconv→split操作→pdcblock→concat→dconv→输出output：
13、所述sc2f模块首先通过可变形卷积提供额外的适应性调整，以适应不同尺度的特征图，其次经过split操作，然后经过一个由conv和scconv组成的pdcblock残差块；接着将处理后的特征图进行拼接，整合多尺度的特征信息；最后，特征图通过另一个可变形卷积进行最终的特征调整。
14、可选地，所述asppf模块包括以下过程：
15、池化：将输入特征图分别进行不同大小的池化操作，以获得一组不同大小的特征图；
16、连接：不同大小的特征图连接在一起；
17、通道注意力机制：通过将连接后的特征图送入多层感知机mlp中学习，得到通道注意力权重矩阵；
18、全连接：通过全连接层将连接后的特征向量降维，得到固定大小的特征向量。
19、本专利技术还提供了一种基于dscc-yolo的轻量级螺栓检测装置，所述装置包括处理器以及存储器；所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；所述处理器用于根据所述程序代码中的指令执行上述任一项所述的方法。
20、本专利技术还提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行上述任一项所述的方法。
21、本专利技术还提供了一种计算设备，所述计算设备包括所述的基于dscc-yolo的轻量级螺栓检测装置。
22、本专利技术提供的基于dscc-yolo的轻量级螺栓检测方法，通过采用dscc-yolo的模型，将原始yolov8 backbone中的conv替换为可变形卷积（dconv），使其能够适应目标的几何形状变化，增强模型的小目标检测能力。并且在sppf模块引入注意力机制，提高特征选择的准确性，有助于小目标的检测。二是设计一个sc2f模块代替原有的c2f。引入空间和信道重建卷积（scconv），降低计算复杂性并减轻模型。三是在neck部分将pan-fpn替换为bifpn，以实现更有效的多尺度特征融合，使得检测效果更加准确。
23、根据下文结合附图对本专利技术具体实施例的详细描述，本领域技术人员将会更加明了本专利技术的上述以及其他目的、优点和特征。
本文档来自技高网...【技术保护点】
1.一种基于DSCC-YOLO的轻量级螺栓检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述轻量级螺栓检测模型的训练过程包括：
3.根据权利要求1所述的方法，其特征在于，
4.根据权利要求3所述的方法，其特征在于，所述SC2f模块表示为输入Input→可变形卷积Dconv→Split操作→PDCBlock→Concat→Dconv→输出Output。
5.根据权利要求4所述的方法，其特征在于，所述SC2f模块首先通过可变形卷积提供额外的适应性调整，以适应不同尺度的特征图，其次经过Split操作，然后经过一个由Conv和SCConv组成的PDCBlock残差块；接着将处理后的特征图进行拼接，整合多尺度的特征信息；最后，特征图通过另一个可变形卷积进行最终的特征调整。
6.根据权利要求3所述的方法，其特征在于，所述ASPPF模块包括以下过程：
7.一种基于DSCC-YOLO的轻量级螺栓检测装置，其特征在于，所述装置包括处理器以及存储器：
8.一种计算机可读存储介质，其特
9.一种计算设备，其特征在于，所述计算设备包括权利要求7所述的基于DSCC-YOLO的轻量级螺栓检测装置。
...【技术特征摘要】
1.一种基于dscc-yolo的轻量级螺栓检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述轻量级螺栓检测模型的训练过程包括：
3.根据权利要求1所述的方法，其特征在于，
4.根据权利要求3所述的方法，其特征在于，所述sc2f模块表示为输入input→可变形卷积dconv→split操作→pdcblock→concat→dconv→输出output。
5.根据权利要求4所述的方法，其特征在于，所述sc2f模块首先通过可变形卷积提供额外的适应性调整，以适应不同尺度的特征图，其次经过split操作，然后经过一个由conv和s...
【专利技术属性】
技术研发人员：李利军，杨帆，李灯熬，赵菊敏，霍晓东，曹斐，郝学勇，刘容麟，曹桂枝，刘春平，程俊兵，毋凡铭，王琪美，马昊博，蒋宇，韩英姣，马光辉，
申请(专利权)人：中国铁建电气化局集团第二工程有限公司，
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。