【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及管線泄露檢測，尤其是涉及一種基于改進(jìn)的yolov7模型的管線泄漏檢測方法。
技術(shù)介紹
1、管線系統(tǒng)是現(xiàn)代工業(yè)中關(guān)鍵的能源運(yùn)輸和供應(yīng)網(wǎng)絡(luò)，但管線泄漏是一個嚴(yán)重的問題，會導(dǎo)致環(huán)境損害、安全風(fēng)險和經(jīng)濟(jì)損失。泄漏原因主要有五類：外力、人為疏忽、設(shè)備故障、自然原因和腐蝕。因此有效檢測和處理管線泄漏至關(guān)重要。目前的檢測方法包括人工檢測、聲學(xué)檢測和光纖檢測。人工檢測實(shí)時性和效率低；聲學(xué)檢測在復(fù)雜網(wǎng)絡(luò)中存在挑戰(zhàn)；光纖檢測雖精準(zhǔn)但成本高且需要預(yù)先鋪設(shè)。
2、因此，研究人員逐漸采用深度學(xué)習(xí)方法進(jìn)行泄漏檢測。深度學(xué)習(xí)的目標(biāo)檢測算法可以分為雙階段和單階段。雙階段如faster?r-cnn，準(zhǔn)確但速度慢；單階段如yolo，將目標(biāo)檢測作為一個整體處理，提升了實(shí)時性。yolo系列不斷改進(jìn)，yolov5輕量靈活，yolov7速度更快、精度更高，適合實(shí)時檢測需求。
3、然而yolov7算法在管線泄露領(lǐng)域的研究較少，泄漏檢測精度有待提高，且模型數(shù)據(jù)處理量大，導(dǎo)致數(shù)據(jù)處理速度下降，從而影響了檢測效率。
技術(shù)實(shí)現(xiàn)思路
1、有鑒于此，本專利技術(shù)的目的在于提供一種基于改進(jìn)的yolov7模型的管線泄漏檢測方法。
2、第一方面，本專利技術(shù)實(shí)施例提供了一種基于改進(jìn)的yolov7模型的管線泄漏檢測方法，該方法包括：
3、獲取泄漏管線表面的初始圖像；
4、基于esrgan策略對圖像進(jìn)行清晰化處理，得到當(dāng)前圖像；
5、將當(dāng)前圖像輸入預(yù)先訓(xùn)練完成的改進(jìn)的
6、結(jié)合第一方面，獲取泄漏管線表面的初始圖像的步驟包括：
7、采集泄漏管線表面的視頻影像；
8、根據(jù)預(yù)設(shè)視頻幀截取規(guī)則，對視頻影像進(jìn)行截取，得到多張初始圖像。
9、結(jié)合第一方面，改進(jìn)的yolov7模型的訓(xùn)練過程如下：
10、獲取初始訓(xùn)練數(shù)據(jù)集，初始訓(xùn)練數(shù)據(jù)集包括多個初始訓(xùn)練圖片數(shù)據(jù)；
11、基于esrgan策略對全部的初始訓(xùn)練圖片數(shù)據(jù)進(jìn)行清晰化處理，得到第一訓(xùn)練數(shù)據(jù)集；
12、針對第一訓(xùn)練數(shù)據(jù)集中的每個圖像數(shù)據(jù)，對圖像數(shù)據(jù)進(jìn)行標(biāo)注，添加泄漏位置標(biāo)注，得到訓(xùn)練數(shù)據(jù)集；
13、構(gòu)建數(shù)據(jù)集，將預(yù)訓(xùn)練數(shù)據(jù)集劃分為訓(xùn)練集和驗證集；
14、利用訓(xùn)練集對初始改進(jìn)的yolov7模型進(jìn)行訓(xùn)練，并通過驗證集進(jìn)行驗證，得到滿足預(yù)設(shè)要求的訓(xùn)練完成的yolov7模型。
15、結(jié)合第一方面，獲取初始訓(xùn)練數(shù)據(jù)集，初始訓(xùn)練數(shù)據(jù)集包括多個初始訓(xùn)練圖片數(shù)據(jù)的步驟之前，還包括：
16、搭建yolov7初始模型，yolov7初始模型包括輸入端、主干網(wǎng)絡(luò)和頭部網(wǎng)絡(luò)；
17、利用shufflenetv2網(wǎng)絡(luò)替代主干網(wǎng)絡(luò)；
18、利用包含pconv模塊的elan-p結(jié)構(gòu)替代頭部網(wǎng)絡(luò)中的elan結(jié)構(gòu)；
19、在主干網(wǎng)絡(luò)和頭部網(wǎng)絡(luò)之間添加卷積注意力模塊，得到改進(jìn)的yolov7模型。
20、結(jié)合第一方面，利用shufflenetv2網(wǎng)絡(luò)替代主干網(wǎng)絡(luò)的步驟之前，還包括：
21、在輸入端與主干網(wǎng)絡(luò)之間添加max?pool模塊。
22、結(jié)合第一方面，利用訓(xùn)練集對初始改進(jìn)的yolov7模型進(jìn)行訓(xùn)練的步驟，包括：
23、利用訓(xùn)練集對max?pool模塊、shufflenetv2網(wǎng)絡(luò)進(jìn)行訓(xùn)練，以生成特征數(shù)據(jù)；
24、利用特征數(shù)據(jù)對卷積注意力模塊進(jìn)行訓(xùn)練，以輸出目標(biāo)特征數(shù)據(jù)；
25、利用目標(biāo)特征數(shù)據(jù)對包含pconv模塊的頭部網(wǎng)絡(luò)進(jìn)行訓(xùn)練，以輸出檢測預(yù)測結(jié)果。
26、結(jié)合第一方面，針對第一訓(xùn)練數(shù)據(jù)集中的每個圖像數(shù)據(jù)，對圖像數(shù)據(jù)進(jìn)行標(biāo)注，添加缺陷類型標(biāo)簽及標(biāo)注缺陷位置，得到訓(xùn)練數(shù)據(jù)集的步驟，包括：
27、利用labeling工具對圖像數(shù)據(jù)中管線泄漏位置框選；
28、對框選區(qū)域數(shù)圖像增強(qiáng)處理，并標(biāo)注；
29、將標(biāo)注后的圖像數(shù)據(jù)存儲為設(shè)定文件格式。
30、第二方面本申請?zhí)峁┮环N基于改進(jìn)的yolov7模型的管線泄漏檢測裝置，該裝置包括：
31、獲取模塊，用于獲取泄漏管線表面的初始圖像；
32、處理模塊，用于基于esrgan策略對圖像進(jìn)行清晰化處理，得到當(dāng)前圖像；
33、檢測模塊，用于將當(dāng)前圖像輸入預(yù)先訓(xùn)練完成的改進(jìn)的yolov7模型，主干網(wǎng)絡(luò)內(nèi)的shufflenet網(wǎng)絡(luò)和卷積注意力模塊對輸入的當(dāng)前圖像進(jìn)行特征提取并進(jìn)行特征融合后輸送至包含pconv模塊的頭部網(wǎng)絡(luò)，輸出檢測結(jié)果。
34、第三方面，本申請?zhí)峁┮环N電子設(shè)備，電子設(shè)備包括存儲器以及處理器，存儲器用于存儲計算機(jī)程序，處理器運(yùn)行計算機(jī)程序以使電子設(shè)備執(zhí)行上述的方法。
35、第四方面，本申請?zhí)峁┮环N可讀存儲介質(zhì)，可讀存儲介質(zhì)中存儲有計算機(jī)程序指令，計算機(jī)程序指令被一處理器讀取并運(yùn)行時，執(zhí)行上述的方法。
36、本專利技術(shù)實(shí)施例帶來了以下有益效果：本專利技術(shù)實(shí)施例提供了一種基于改進(jìn)的yolov7模型的管線泄漏檢測方法，該方法包括：獲取泄漏管線表面的初始圖像；基于esrgan策略對圖像進(jìn)行清晰化處理，得到當(dāng)前圖像；將當(dāng)前圖像輸入預(yù)先訓(xùn)練完成的改進(jìn)的yolov7模型，主干網(wǎng)絡(luò)內(nèi)的shufflenet網(wǎng)絡(luò)和卷積注意力模塊對輸入的所述當(dāng)前圖像進(jìn)行特征提取并進(jìn)行特征融合后輸送至包含pconv模塊的頭部網(wǎng)絡(luò)，輸出檢測結(jié)果。
37、本申請?zhí)峁┑囊环N基于改進(jìn)的yolov7模型的管線泄漏檢測方法，通過shufflenet網(wǎng)絡(luò)替代現(xiàn)有yolov7中的主干網(wǎng)絡(luò)，結(jié)合包含pconv模塊的頭部網(wǎng)絡(luò)，并添加注意力單元可以在保持檢測精度的前提下，輕量化模型處理數(shù)據(jù)量，提高數(shù)據(jù)處理效率，進(jìn)而提高管線泄漏檢測效率。
38、本專利技術(shù)的其他特征和優(yōu)點(diǎn)將在隨后的說明書中闡述，并且，部分地從說明書中變得顯而易見，或者通過實(shí)施本專利技術(shù)而了解。本專利技術(shù)的目的和其他優(yōu)點(diǎn)在說明書、權(quán)利要求書以及附圖中所特別指出的結(jié)構(gòu)來實(shí)現(xiàn)和獲得。
39、為使本專利技術(shù)的上述目的、特征和優(yōu)點(diǎn)能更明顯易懂，下文特舉較佳實(shí)施例，并配合所附附圖，作詳細(xì)說明如下。
本文檔來自技高網(wǎng)...【技術(shù)保護(hù)點(diǎn)】
1.一種基于改進(jìn)的YOLOv7模型的管線泄漏檢測方法，其特征在于，所述方法包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，獲取泄漏管線表面的初始圖像的步驟包括：
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述改進(jìn)的YOLOv7模型的訓(xùn)練過程如下：
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述獲取初始訓(xùn)練數(shù)據(jù)集，所述初始訓(xùn)練數(shù)據(jù)集包括多個初始訓(xùn)練圖片數(shù)據(jù)的步驟之前，還包括：
5.根據(jù)權(quán)利要求3所述的方法，其特征在于，利用ShuffleNetV2網(wǎng)絡(luò)替代所述主干網(wǎng)絡(luò)的步驟之前，還包括：
6.根據(jù)權(quán)利要求5所述的方法，其特征在于，利用所述訓(xùn)練集對初始改進(jìn)的YOLOv7模型進(jìn)行訓(xùn)練的步驟，包括：
7.根據(jù)權(quán)利要求6所述的方法，其特征在于，針對所述第一訓(xùn)練數(shù)據(jù)集中的每個圖像數(shù)據(jù)，對所述圖像數(shù)據(jù)進(jìn)行標(biāo)注，添加缺陷類型標(biāo)簽及標(biāo)注缺陷位置，得到訓(xùn)練數(shù)據(jù)集的步驟，包括：
8.一種基于改進(jìn)的YOLOv7模型的管線泄漏檢測裝置，其特征在于，所述裝置包括：
9.一種電子設(shè)備，其特征在于，所述電子設(shè)備包括存
10.一種存儲介質(zhì)，其特征在于，所述存儲介質(zhì)中存儲有計算機(jī)程序指令，所述計算機(jī)程序指令被一處理器讀取并運(yùn)行時，執(zhí)行權(quán)利要求1至7任一項所述的方法。
...【技術(shù)特征摘要】
1.一種基于改進(jìn)的yolov7模型的管線泄漏檢測方法，其特征在于，所述方法包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，獲取泄漏管線表面的初始圖像的步驟包括：
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述改進(jìn)的yolov7模型的訓(xùn)練過程如下：
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述獲取初始訓(xùn)練數(shù)據(jù)集，所述初始訓(xùn)練數(shù)據(jù)集包括多個初始訓(xùn)練圖片數(shù)據(jù)的步驟之前，還包括：
5.根據(jù)權(quán)利要求3所述的方法，其特征在于，利用shufflenetv2網(wǎng)絡(luò)替代所述主干網(wǎng)絡(luò)的步驟之前，還包括：
6.根據(jù)權(quán)利要求5所述的方法，其特征在于，利用所述訓(xùn)練集對初始改進(jìn)的yolov7模型進(jìn)行訓(xùn)...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：蘭孝文，張佳麗，王少鋒，張二清，
申請(專利權(quán))人：內(nèi)蒙古科技大學(xué)，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。