[发明专利]一种面向设备多源异构数据识别检测方法

权利要求书

1.一种面向设备多源异构数据识别检测方法，其特征在于，包括：

采集多源异构数据；

利用标注工具对多源异构数据进行处理生成多源异构数据训练集合；

通过所述多源异构数据训练集合对YOLOv5学习模型进行训练，得到目标检测模型并获得模型权重文件；

将多源异构数据输入目标检测模型后输出检测信息同时获取多源异构数据的附属信息。

2.根据权利要求1所述的一种面向设备多源异构数据识别检测方法，其特征在于，所述的多源异构数据是用不同设备采集的服务器、路由器、交换机、磁盘、U口、机柜、线缆、串口等分类设备的图样数据。

3.根据权利要求1所述的一种面向设备多源异构数据识别检测方法，其特征在于，所述利用标注工具对多源异构数据进行处理，包括使用图片标注工具Labellmg对多源异构数据进行标注，标注信息主要包括多源异构数据的类别信息、坐标位置信息。

4.根据权利要求1所述的一种面向设备多源异构数据识别检测方法，其特征在于，所述YOLOv5学习模型包括输入端、主干网络Backbone端、瓶颈Neck端和预测Prediction端。

所述输入端采用马赛克Mosaic数据增强的方式，包括自适应锚框计算和自适应图片缩放；

所述主干网络Backbone端包括聚焦Focus结构、两种跨阶段部分CSP结构，用于对所述多源异构数据进行聚合并形成图像特征；

所述瓶颈Neck端采用特征金字塔网络FPN和路径聚合网络PAN的结构，用于提取所述多源异构数据的图像特征，并将图像特征传递到预测层；

所述预测Prediction端采用并上广义交损失GIOU_Loss做包围盒Bounding box的损失函数，用于根据图像特征对待检测的多源异构数据进行预测。

5.根据权利要求1所述的一种面向设备多源异构数据识别检测方法，所述对YOLOv5学习模型进行训练包括使用不同锚框anchors的多尺度滑动窗口，训练出符合要求的权重文件。

6.根据权利要求1所述的一种面向设备多源异构数据识别检测方法，其特征在于，所述将多源异构数据输入目标检测模型后输出检测信息同时获取多源异构数据的附属信息的步骤包括：

移动终端经相机获得实景中多源异构数据，经压缩处理成1*3*640*640的大小；

将处理过的多源异构数据输入含有目标检测模型的移动终端进行识别检测；

移动端输出识别检测信息，将检测框绘制在目标资产的多源异构数据中并经通讯单元获取多源异构数据的附属信息。

7.一种面向设备多源异构数据识别检测装置，其特征在于，包括以下模块：

多源异构数据采集模块，用于采集多源异构数据；

多源异构数据处理模块，用于对多源异构数据进行标注分类处理生成多源异构数据训练集合；

多源异构数据训练模块，用于建立YOLOv5学习模型，对多源异构数据训练集合进行训练和识别，从而得到权重文件；

多源异构数据检测模块，用于利用目标检测模型对待检测的多源异构数据进行识别检测，输出检测信息和多源异构数据的附属信息。

8.根据权利要求7所述的一种面向设备多源异构数据识别检测装置，其特征在于，还可以包括以下模块：

存储模块，用于存储检测信息和多源异构数据的附属信息；

控制模块，用于控制多源异构数据采集模块、多源异构数据处理模块、多源异构数据训练模块、多源异构数据检测模块、存储模块的运行。

9.一种面向设备多源异构数据识别检测电子设备，其特征在于，包括：至少一个处理器和用于与所述至少一个处理器所通讯连接的存储器；所述存储器存储有可被所述至少一个处理器执行的命令，所述命令被所述至少一个处理器执行，以使述所至少一个处理器能够执行权利要求1～5中任意一项所述一种面向设备多源异构数据识别检测方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1～5中任意一项所述一种面向设备多源异构数据识别检测方法。