【技术实现步骤摘要】
本专利技术涉及屏幕缺陷检测，具体地，涉及一种智慧灯杆led屏幕缺陷检测方法及装置。
技术介绍
1、很多城市已经将智慧灯杆投入应用，智慧灯杆通常装有用于信息展示的led屏幕，传统的路灯led屏幕检测依赖人工巡检，人工巡检的成本高、效率低且容易出现遗漏，并且传统的路灯led屏幕缺陷的检测需要在户外复杂环境中进行，无法做到高频率巡检。
2、另外，现有的基于视觉检测方法在面对复杂的led屏幕缺陷时，往往存在精度不足的问题，并且需额外安装或更换设备，设备搭建过于复杂，增加了部署成本。
技术实现思路
1、针对现有技术中的缺陷，本专利技术的目的在于提供一种智慧灯杆led屏幕缺陷检测方法及装置，本专利技术能够实现自动、快速且高效地检测led屏幕的缺陷，以减少人工巡检的时间和成本，提升维护效率和准确性。
2、为解决上述问题，本专利技术的技术方案为：
3、一种智慧灯杆led屏幕缺陷检测方法，包括以下步骤：
4、通过智慧灯杆附近配置的摄像头采集智慧灯杆led屏幕的图像数据，并对采集的图像进行预处理；
5、利用yolo网络对预处理后的图像进行目标区域检测，识别并定位led屏幕的具体区域；
6、将yolo网络模型定位出的led屏幕区域输入至改进的shufflenet模型进行缺陷检测分类；
7、将检测出的缺陷类别及其位置信息作为故障输出，便于后续维护人员及时处理。
8、优选地，所述通过智慧灯杆附近配置的摄像头采集智
9、优选地，所述利用yolo网络对预处理后的图像进行目标区域检测，识别并定位led屏幕的具体区域的步骤中，所述yolo网络采用yolov8s目标检测模型，所述yolov8s模型包括backbone模块和head模块，所述backbone模块负责从输入图像中提取多尺度的特征图，逐层提取不同分辨率的特征，以便更好地识别不同大小的目标，所述head模块负责对backbone提取的特征进行进一步的处理、上采样和特征融合，用于生成检测结果。
10、优选地，所述yolov8s模型的backbone模块包括：
11、conv模块：卷积层模块，用于提取图片低层次特征；
12、c2f模块：c2f是改进的残差结构，通过多尺度的特征提取使模型能够有效处理图像中的细节和结构信息，提升模型对小目标和复杂背景的识别能力；
13、sppf模块：sppf是空间金字塔池化模块，能够有效增加感受野，提高模型对目标位置和尺寸的预测能力。
14、优选地，所述yolov8s模型的head模块包括：
15、upsample模块：上采样模块用于将较低分辨率的特征图进行放大，以便和高分辨率的特征图进行融合，有助于提升小目标的检测效果；
16、concat模块：将不同尺度的特征图通过拼接操作进行融合，通过这种多尺度特征融合，模型能够利用不同层次的特征，从而更准确地检测大目标和小目标；
17、c2f模块：特征融合后，模型使用c2f模块进一步提取和处理特征，增强模型的细节识别能力，确保模型在复杂场景下依然能够识别出目标；
18、conv模块：特征融合后，使用卷积层对拼接后的特征图进行处理，减少通道数，进一步优化特征表达。
19、优选地，所述将yolo网络模型定位出的led屏幕区域输入至改进的shufflenet模型进行缺陷检测分类的步骤中，所述shufflenet模型采用改进的shufflenetv2模型，将yolo网络模型定位出的led屏幕区域输入至改进的shufflenetv2模型进行缺陷检测分类，改进的shufflenetv2模型用于实现对屏幕缺陷的快速分类。
20、优选地，所述改进的shufflenetv2模型包括：
21、3×3conv：通过3×3卷积对输入图像进行初步的特征提取；
22、max pooling：最大池化层，用于进一步减少图像的空间分辨率，降低计算量的同时保留最重要的特征信息；
23、stage：采用反向残差结构，每个阶段包括复杂的特征提取步骤，通过通道混洗操作来增强模型的表达能力，每个stage中包括通道分割模块channel split、深度可分离卷积模块dwconv、高效通道注意力模块eca、伪特征生成模块ghost、拼接模块concat、通道混洗模块channel shuffle；
24、channel split：将输入的特征通道分成两部分，一部分直接传输到输出，另一部分进入卷积层进行特征提取，通过这种方式能够将计算资源集中在一部分通道上，减少计算量的同时保留了足够的信息；
25、ghost：通过生成“伪特征”有效增加网络的表达能力同时降低计算量；
26、eca：高效通道注意力模块通过自适应地调整每个通道的权重来增强网络对于关键通道的关注，从而改善低分辨率图像的特征丢失问题；
27、dwconv：深度可分离卷积将标准卷积分解为深度卷积和逐点卷积；
28、concat：将直接输出的部分与经过卷积处理后的特征重新拼接，拼接后的特征包含了经过卷积处理的部分和直接传输的部分，增强了特征表达力，提高分类准确率；
29、channel shuffle：在拼接后的特征图中，进行通道混洗，将不同分支的特征信息进行混合，确保网络在多层结构中能够更好地学习到全局特征；
30、globalpool：将每一个通道的特征图进行平均池化，减少特征图尺寸；
31、fc：全连接层将经过全局池化处理后的特征进行分类，生成最后的预测结果。
32、进一步地，本专利技术还提供一种智慧灯杆led屏幕缺陷检测装置，包括处理器以及用于存储所述处理器的可执行指令的存储器，所述处理器配置为经由执行所述可执行指令来执行如上所述的智慧灯杆led屏幕缺陷检测方法。
33、与现有技术相比，本专利技术的有益效果如下所示：
34、1、自动化检测：本专利技术通过结合先进机器视觉的方法能够自动识别led屏幕并检测其缺陷，实现无人值守的智能检测。
35、2、实时性与高效性：本专利技术采用了轻量级的机器学习模型，通过通道分组卷积技术既保证了检测的实时性，又降低了计算成本。
36、3、高精度缺陷分类：本专利技术能够有效提取和融合交通场景图像的特征信息，实现高精度的路灯led屏幕截取和缺陷检测功能。
37、4、强适用性：由于智慧城市环境中的智慧灯杆通常已配备摄像头，本专利技术的方法可以直接部署在现有摄像设备上，而无需额外安装或更换设备，显著降低了部署成本，提升本文档来自技高网...
【技术保护点】
1.一种智慧灯杆LED屏幕缺陷检测方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的智慧灯杆LED屏幕缺陷检测方法，其特征在于，所述通过智慧灯杆附近配置的摄像头采集智慧灯杆LED屏幕的图像数据，并对采集的图像进行预处理的步骤，具体包括：通过智慧灯杆附近配置的摄像头采集智慧灯杆LED屏幕的图像数据，并对采集的图像进行预处理操作，包括图像颜色调整、尺寸调整及归一化处理，确保图像的清晰度和一致性，为后续检测和分类步骤提供可靠的输入。
3.根据权利要求1所述的智慧灯杆LED屏幕缺陷检测方法，其特征在于，所述利用YOLO网络对预处理后的图像进行目标区域检测，识别并定位LED屏幕的具体区域的步骤中，所述YOLO网络采用YOLOv8s目标检测模型，所述YOLOv8s模型包括Backbone模块和Head模块，所述Backbone模块负责从输入图像中提取多尺度的特征图，逐层提取不同分辨率的特征，以便更好地识别不同大小的目标，所述Head模块负责对Backbone提取的特征进行进一步的处理、上采样和特征融合，用于生成检测结果。
4.根据权利要求3
5.根据权利要求3所述的智慧灯杆LED屏幕缺陷检测方法，其特征在于，所述YOLOv8s模型的Head模块包括：
6.根据权利要求1所述的智慧灯杆LED屏幕缺陷检测方法，其特征在于，所述将YOLO网络模型定位出的LED屏幕区域输入至改进的ShuffleNet模型进行缺陷检测分类的步骤中，所述ShuffleNet模型采用改进的ShuffleNetV2模型，将YOLO网络模型定位出的LED屏幕区域输入至改进的ShuffleNetV2模型进行缺陷检测分类，改进的ShuffleNetV2模型用于实现对屏幕缺陷的快速分类。
7.根据权利要求6所述的智慧灯杆LED屏幕缺陷检测方法，其特征在于，所述改进的ShuffleNetV2模型包括：
8.一种智慧灯杆LED屏幕缺陷检测装置，其特征在于，所述装置包括处理器以及用于存储所述处理器的可执行指令的存储器，所述处理器配置为经由执行所述可执行指令来执行如权利要求1至7中任意一项所述的智慧灯杆LED屏幕缺陷检测方法。
...【技术特征摘要】
1.一种智慧灯杆led屏幕缺陷检测方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的智慧灯杆led屏幕缺陷检测方法，其特征在于，所述通过智慧灯杆附近配置的摄像头采集智慧灯杆led屏幕的图像数据，并对采集的图像进行预处理的步骤，具体包括：通过智慧灯杆附近配置的摄像头采集智慧灯杆led屏幕的图像数据，并对采集的图像进行预处理操作，包括图像颜色调整、尺寸调整及归一化处理，确保图像的清晰度和一致性，为后续检测和分类步骤提供可靠的输入。
3.根据权利要求1所述的智慧灯杆led屏幕缺陷检测方法，其特征在于，所述利用yolo网络对预处理后的图像进行目标区域检测，识别并定位led屏幕的具体区域的步骤中，所述yolo网络采用yolov8s目标检测模型，所述yolov8s模型包括backbone模块和head模块，所述backbone模块负责从输入图像中提取多尺度的特征图，逐层提取不同分辨率的特征，以便更好地识别不同大小的目标，所述head模块负责对backbone提取的特征进行进一步的处理、上采样和特征融合，用于生成检测结果。
4.根据权利要求3所述的...
【专利技术属性】
技术研发人员：刘翔，董昊，石蕴玉，卢强，王强，李付伟，武琼，
申请(专利权)人：上海工程技术大学，
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。