[发明专利]一种基于弱监督YOLO模型的矿石泥团目标检测方法和系统有效
| 申请号： | 201910805585.7 | 申请日： | 2019-08-29 |
| 公开（公告）号： | CN110503161B | 公开（公告）日： | 2023-06-27 |
| 发明（设计）人： | 黄志坚;李方敏;康国华;鄢锋 | 申请（专利权）人： | 长沙学院 |
| 主分类号： | G06V10/764 | 分类号： | G06V10/764;G06V10/82;G06V10/774;G06V10/77;G06V10/80;G06N3/0464;G06N3/08 |
| 代理公司： | 武汉臻诚专利代理事务所(普通合伙) 42233 | 代理人： | 宋业斌 |
| 地址： | 410003 湖南省长*** | 国省代码： | 湖南;43 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于弱监督YOLO模型的矿石泥团目标检测方法，包括步骤：实时采集传送带上的矿石泥团图像，将采集的矿石泥团图像输入训练好的WS‑YOLO模型中，以获取矿石泥团图像中的泥团目标。WS‑YOLO模型包括顺次连接的DarkNet53网络、FPN网络、第一全连接层、以及第二全连接层，与该第二全连接层连接的目标分类器和目标位置回归模型，以及与目标分类器和目标位置回归模型连接的主动学习模块，其中主动学习模块包括顺次连接的US策略子模块、专家标注子模块、以及样本池，样本池的输出连接到DarkNet53网络的输入。本发明能够解决现有泥团目标检测方法中由于需要大量精确标注样本所导致的工作量大、成本昂贵、周期长等问题，并提高模型在不同矿山之间的可移植能力。 | ||
| 搜索关键词： | 一种 基于 监督 yolo 模型 矿石 目标 检测 方法 系统 | ||
【主权项】：
1.一种基于弱监督YOLO模型的矿石泥团目标检测方法，其特征在于，包括步骤：/n(1)实时采集传送带上的矿石泥团图像；/n(2)将步骤(1)采集的矿石泥团图像输入训练好的WS-YOLO模型中，以获取矿石泥团图像中的泥团目标。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于长沙学院，未经长沙学院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910805585.7/，转载请声明来源钻瓜专利网。
