本发明涉及计算机视觉,具体涉及一种基于改进yolov5模型的螺栓检测方法及系统。
背景技术:
1、铁路轨枕螺栓是铁路轨道扣件的重要组成部分之一,由于其长期暴露在大气中,经受风吹雨淋,霜冻雪埋等循环性气候变化,容易出现氧化锈蚀。螺栓锈蚀轻则使螺栓锈死,影响轨距调整和轨道水平找正等养路作业,重则使螺栓根部腐蚀折断,影响行车安全。因此,为了保证运输安全,应有计划的对轨枕螺栓进行防锈蚀处理。近年来,在对轨枕螺栓进行长效防腐脂涂覆作业时,逐渐开始使用简单机具或智能装置进行螺栓自动识别和涂覆,然而,由于在识别中会出现遮挡、翻转以及平移等问题,
2、现有的钢轨螺栓识别方法往往使用计算机视觉技术,将图像处理技术用于钢轨螺栓的识别,可用于钢轨螺栓的自动涂覆,有效提高钢轨螺栓涂油保养的效率,减轻作业人员的工作负担。然而,由于钢轨螺栓图像中包含大量冗杂信息,往往还出现阴影、光照不均衡、复杂背景等情况,在识别中螺栓图像会出现遮挡、翻转以及平移等问题,造成误检和漏检的情况,的拓扑结构和形态差异较大,容易导致对其局部的误判和漏检。因此,如何快速、准确的识别钢轨螺栓,对提高铁路养路机械化水平,做好轨道零件日常性保养具有重要意义。
技术实现思路
1、为了解决上述问题,本发明提出了一种基于改进yolov5模型的钢轨螺栓检测方法,提高了识别效果,还减少了模型复杂度,提高了检测速度,能够快速的应对大规模的目标检测任务。
2、本发明解决其技术问题采取的技术方案是:
3、本发明实施例提供的一种基于改进yolov5模型的螺栓检测方法,包括以下步骤:
4、采集钢轨螺栓图像进行预处理,建立目标数据集;
5、构建结合carafe和nwd-iou损失函数的改进yolov5模型;
6、利用目标数据集,对所述改进yolov5模型进行训练并评估;
7、使用评估完成的改进yolov5模型进行钢轨螺栓检测。
8、进一步的,采集钢轨螺栓图像进行预处理,建立目标数据集,包括:
9、使用labelimg标注工具对采集的螺栓图像中螺栓位置进行标注,获得每张图像对应的xml文件;
10、对每张螺栓图像及其对应的xml格式文件进行数据增强操作;
11、将螺栓图像及其xml文件按照voc格式进行存储,建立目标数据集。
12、进一步的,构建结合carafe和nwd-iou损失函数的改进yolov5模型,包括:
13、建立基础yolov5模型;
14、将传统上采样模块替换为carafe上采样模块;
15、使用nwd-iou损失函数作为模型的回归损失函数。
16、进一步的,carafe上采样模块进行上采样,包括:
17、输入形状为h×w×c的特征图,用1×1×1卷积将它的通道数压缩到h×w×cm,其中h、w、c分别为图片高度、图片长度和图片通道数;
18、设上采样倍率为σ,利用kencoder×kencoder的卷积层,输入通道数为cm,输出通道数为将通道数在空间维展开,得到形状为的上采样核;
19、将所述上采样核利用softmax进行归一化,使卷积核权重和为1。
20、进一步的,所述nwd-eiou损失函数的公式,包括:
21、lbbox=(1-iour)×(1-nwd)+iour×(1-iou)
22、其中,iou为预测边界框与真实边界框的重叠面积,iou为使用iou度量方法的阈值设定值,nwd为使用nwd度量方法的基础设定值。
23、进一步的,将所述目标数据集划分为训练集、验证集和测试集,其中训练集、验证集与测试集的比例为7:2:1。
24、进一步的,对改进yolov5模型进行评估,包括:
25、计算召回率recall、精确率precision和f1分数:
26、recall=tp/(tp+fn)
27、precision=tp/(tp+fp)
28、f1-score=2×(precision×recall)/(precision+recall)
29、其中,tp为将正类预测为正类的样本个数,fn为将正类预测为负类的样本个数,fp为将负类预测为正类的样本个数,tn为将负类预测为负类的样本个数。
30、本发明实施例提供的一种基于改进yolov5模型的螺栓检测系统,其特征在于,包括:
31、图像处理模块,用于采集钢轨螺栓图像进行预处理,建立目标数据集;
32、模型建立模块,用于构建结合carafe和nwd-iou损失函数的yolov5模型;
33、模型训练模块,用于利用目标数据集,对所述改进yolov5模型进行训练并评估;
34、螺栓检测模块,用于使用评估完成的改进yolov5模型进行钢轨螺栓检测。
35、一种计算机设备,其特征在于,包括处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当所述计算机设备运行时,所述处理器与所述存储器之间通过总线通信,所述处理器执行所述机器可读指令,以执行如权利要求1-7任一所述的一种基于改进yolov5模型的螺栓检测方法的步骤。
36、一种可读存储介质,其特征在于,所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1-7任一所述的一种基于改进yolov5模型的螺栓检测方法的步骤。
37、本发明实施例的技术方案可以具有的有益效果如下:
38、(1)使用carafe上采样模块替换传统的上采样模块,具有更大的感受野,可以更好的利用周围的信息,与特征图的语义信息相关,基于输入内容进行上采样,不引入过多参数和计算量,使得模型进行了轻量化的改进;
39、(2)将nwd损失函数和iou损失函数相结合,组成新型nwd-iou损失函数,解决了使用iou损失函数无法检测微小物体和使用nwd损失函数模型训练过程不收敛的问题;
40、(3)本申请基于yolov5算法结合轻量级上采样算子和nwd-iou损失函数进行复杂背景下的螺栓检测,与传统算法相比,实际采集较少的螺栓图像进行训练,即能较好的处理阴影、气象环境、光照均衡、复杂背景和图像增强等难点问题。
1.一种基于改进yolov5模型的螺栓检测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于改进yolov5模型的螺栓检测方法,其特征在于,采集钢轨螺栓图像进行预处理,建立目标数据集,包括:
3.根据权利要求1所述的一种基于改进yolov5模型的螺栓检测方法,其特征在于,构建结合carafe和nwd-iou损失函数的改进yolov5模型,包括:
4.根据权利要求3所述的一种基于改进yolov5模型的螺栓检测方法,其特征在于,carafe上采样模块进行上采样,包括:
5.根据权利要求3所述的一种基于改进yolov5模型的螺栓检测方法,其特征在于,所述nwd-eiou损失函数的公式,包括:
6.根据权利要求1所述的一种基于改进yolov5模型的螺栓检测方法,其特征在于,将所述目标数据集划分为训练集、验证集和测试集,其中训练集、验证集与测试集的比例为7:2:1。
7.根据权利要求1所述的一种基于改进yolov5模型的螺栓检测方法,其特征在于,对改进yolov5模型进行评估,包括:
8.一种基于改进yolov5模型的螺栓检测系统,其特征在于,包括:
9.一种计算机设备,其特征在于,包括处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当所述计算机设备运行时,所述处理器与所述存储器之间通过总线通信,所述处理器执行所述机器可读指令,以执行如权利要求1-7任一所述的一种基于改进yolov5模型的螺栓检测方法的步骤。
10.一种可读存储介质,其特征在于,所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1-7任一所述的一种基于改进yolov5模型的螺栓检测方法的步骤。