[发明专利]一种基于改进YOLO的建筑预埋件检测方法及系统

权利要求书

1.一种基于改进YOLO的建筑预埋件检测方法，其特征是：包括以下步骤：

获取建筑预埋件的图片，并对图片中建筑预埋件进行标定，形成数据集，将数据集分为训练集和测试集；

利用MobileNet网络代替YOLO检测算法中的Darknet53网络作为特征提取网络，构建改进YOLO检测模型，利用训练集训练所述改进YOLO检测模型，直到满足测试集的测试要求，得到最终的检测模型；

获取待在建的建筑工地的空中图片，对图片进行翻转、不同尺度的仿射变换以及高斯模糊处理，作为输入图片，利用最终的检测模型对输入图片进行识别，得到预埋件检测结果。

2.如权利要求1所述的一种基于改进YOLO的建筑预埋件检测方法，其特征是：在进行测试时，将目标检测看作回归问题，将输入的图片划分为S×S的网格，如果检测目标的中心存在于某个单元格的中心，这个单元格就负责预测这个目标；每个单元格会产生B个边界框，每个边界框包含物体的中心位置相对单元格位置的偏移以及边界框的宽度和高度以及目标的置信度。

3.如权利要求1所述的一种基于改进YOLO的建筑预埋件检测方法，其特征是：利用MobileNet网络提取目标物体的特征并预测，每一个单元格要给出C个类别概率值，表示该单元格负责预测的边界框中的目标属于每个类别的概率，单元格中存在物体的条件概率为Pr(class/object)，Pr(object)表示边界框中是否含有目标，识别到的物体是某一类别的概率是Pr(class)，表示预测边框和物体真实区域的交并比，则有：

4.如权利要求1所述的一种基于改进YOLO的建筑预埋件检测方法，其特征是：使用均方和误差作为损失函数来优化模型参数，即网络结构的输出向量和真实图像的对应向量的均方和误差。

5.如权利要求1所述的一种基于改进YOLO的建筑预埋件检测方法，其特征是：MobileNet网络利用深度级可分离卷积代替标准卷积，分解为深度卷积和1×1卷积。

6.如权利要求1所述的一种基于改进YOLO的建筑预埋件检测方法，其特征是：通过无人机搭载可见光摄像头获取待在建的建筑工地的空中图片。

7.一种基于改进YOLO的建筑预埋件检测系统，其特征是：包括：

数据获取模块，被配置为获取建筑预埋件的图片，并对图片中建筑预埋件进行标定，形成数据集，将数据集分为训练集和测试集；

模型构建、训练模块，被配置为利用MobileNet网络代替YOLO检测算法中的Darknet53网络作为特征提取网络，构建改进YOLO检测模型，利用训练集训练所述改进YOLO检测模型，直到满足测试集的测试要求，得到最终的检测模型；

检测识别模块，被配置为获取待在建的建筑工地的空中图片，对图片进行翻转、不同尺度的仿射变换以及高斯模糊处理，作为输入图片，利用最终的检测模型对输入图片进行识别，得到预埋件检测结果。

8.一种计算机可读存储介质，其特征是：其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行权利要求1-6任一项所述的一种基于改进YOLO的建筑预埋件检测方法的步骤。

9.一种终端设备，其特征是：包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行权利要求1-6任一项所述的一种基于改进YOLO的建筑预埋件检测方法的步骤。