-
公开(公告)号:CN118447349A
公开(公告)日:2024-08-06
申请号:CN202410621447.4
申请日:2024-05-20
Applicant: 华东交通大学
IPC: G06V10/774 , G06V10/82 , G06N3/084 , G06V10/80 , G06V10/764
Abstract: 本发明适用于轨枕裂纹目标检测技术领域,提供了一种铁路轨枕裂纹目标检测模型训练方法、装置及设备,所述方法包括:获取轨枕裂纹目标图像,并对轨枕裂纹目标图像进行标注,形成训练数据集;将训练数据集当中的训练图像输入到预设的轨枕裂纹目标检测网络当中进行训练;根据预测的轨枕裂纹目标检测信息与标注的真实轨枕裂纹目标检测信息,计算模型损失,并根据模型损失且采用反向传播算法迭代更新所述轨枕裂纹目标检测网络参数。本发明通过对轨枕裂纹目标检测网络进行优化,使得在特征提取之后,会对特征依序进行NAS最优特征融合增加网络对图像特征的表达能力,同时利用TOOD Head模型增加对轨枕裂纹特征分类与回归之间的交互,进一步提升NAS‑Swin检测性能,能够解决小目标轨枕裂纹的检测存在精度、召回率、速度较低等问题,提高模型检测精度和泛化能力。
-
公开(公告)号:CN119295834A
公开(公告)日:2025-01-10
申请号:CN202411554557.X
申请日:2024-11-01
Applicant: 华东交通大学
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06V10/25 , G06V10/774 , G06V10/776 , G06V10/40 , G06N3/045 , G06N3/08 , G06N3/084 , G06T7/00
Abstract: 本发明公开了一种基于改进的YOLOV7电力传输系统绝缘子缺陷检测方法,包括以下步骤:(1)收集多张三种不同缺陷类型的高分辨率绝缘子图像,作为模型训练的原始材料;(2)随机组合地采用图像缩放与扭曲、图像填充、图像翻转和色域变换这四种几何数据增强技术,对原始数据集材料进行数据增强;(3)在主干特征提取网络的高层特征提取层中,引入视觉上下文网络;(4)在主干特征提取网络的两条输出通道P4和P5中引入了EMA注意力机制。本发明通过一系列优化与改进,在检测精度、模型鲁棒性、检测效率以及电力系统安全性等方面均表现出显著的有益效果,对保障铁路电气化设施具有重要的实际应用价值和推广意义。
-