[发明专利]基于改进的yolov5的绝缘子缺陷检测方法

权利要求书

1.基于改进的yolov5的绝缘子缺陷检测方法，其特征在于：包括如下步骤：

步骤1、采集绝缘子图像形成数据集；

步骤2、使用LabelImg标注工具对数据集进行标注，标注类别为绝缘子和缺陷；

步骤3、对所采集的图像进行数据增强处理，以扩充数据集；

步骤4、在YOLOv5的骨干网络中引入triplet attention模块；

步骤5、优化损失函数；将CIoU作为改进YOLOv5算法的bounding-box损失函数Loss_CIoU；

CIoU定义为：

其中，α为权重函数，ν是用来测量长宽比一致性的参数，c代表能够包含预测框和真实框的最小封闭区域的对角线距离，ρ²(b，b^gt)代表预测框和真实框的中心点之间的欧氏距离，h^gt、ω^gt分别代表真实框的高度和宽度，h^p、ω^p分别代表预测框的高度和宽度；

步骤6、对处理最终结果的非极大值抑制NMS方法进行优化；将Soft-NMS作为处理最终结果的方法：

Soft-NMS的得分函数表达式为：

其中，S_i为预测框B_i的得分，B_M为得分最高的预测框，N_t为重叠阈值，高斯惩罚函数，σ为一个根据经验选择超参数；

步骤7、训练改进后的网络；设置学习率、学习率动量、批次大小、训练总轮次小、权重衰减和最大迭代次数作为训练参数，对改进的YOLOv5网络进行训练；

步骤8、将收集的绝缘子图像数据集输入训练好的YOLOv5网络，得到输入图片中是否存在有缺陷的绝缘子以及该缺陷所在位置。

2.根据权利要求1所述基于改进的yolov5的绝缘子缺陷检测方法，其特征在于：triplet attention模块采用三个平行的分支结构，其中两个用于提取两个空间维度与通道维C之间的相互依赖关系，另一个提取空间特征依赖关系；在前两个分支中，tripletattention将原始输入旋转张量χ分别沿H轴和W轴逆时针旋转90°，并且将张量的形状由C×H×W转换为W×H×C和H×C×W；在第三个分支中，张量以其原始形状C×H×W输入，通过Z-pool层将C维度的张量缩减到2维，并将该维上的平均汇集特征和最大汇集特征连接起来；

Z-pool定义为：Z-Pool(χ)＝[MaxPool_0d(χ),AvgPpool_0d(χ)]

其中，0d是最大池化操作和平均池化操作发生的第0维；

将简化后的张量通过核大小为K的标准卷积层和批归一化层，将由Sigmoid激活函数生成的相应维数的注意权重加到旋转张量中；在最终输出时，第一个分支的输出沿H轴顺时针旋转90°，第二个分支的输出沿W轴顺时针旋转90°，以保证与输入的形状相同；最后，将三个分支的输出平均地聚合为输出；

输出张量定义为：

其中，σ为Sigmoid激活函数，ψ₁、ψ₂、ψ₃分别代表triplet attention的三个分支中由核大小K定义的标准二维卷积层，分别表示triplet attention前两个分支中经过旋转后的张量，分别表示triplet attention三个分支中经过Z-pool层之后的张量。