[发明专利]一种基于YOLOv4模型的挖掘机图像识别方法

说明书

一种基于YOLOv4模型的挖掘机图像识别方法，包括：S1：从电子监控设备中提取监控图片；S2：对所述监控图片中的挖掘机进行标注，形成VOC数据集；S3：将步骤S2中通过标注得到的所述数据集分割为训练数据集和测试数据集；S4：将步骤S3中的训练数据集输入到YOLOv4目标检测算法中，进行训练；S5：对所述训练数据集进行50轮迭代训练，获取五个最优模型；S6：对得到的五个最优模型进行性能分析，得到一个最优目标检测模型；S7：将所述目标检测模型用于识别挖掘机图像。本发明通过机器识别地下电缆处是否存在挖掘机，人工只需对最终结果进行核验，可以大大降低人工工作量，提高监测效率，而且能够有效的监管地下电缆安全。

技术领域

本发明属于图像识别技术领域，涉及一种挖掘机图像识别方法，具体涉及一种基于YOLOv4模型的挖掘机图像识别方法。

背景技术

随着中国城市化进程加快，智能电网得到推广和普及，在一定程度上提高了人们的生活水平和质量，电缆入地对建设现代化城市具有重要意义，现已成为城市电网建设的首选。但随着地下电缆的普及，随之而来也产生了诸多问题。比如在进行城市道路、高楼的修筑过程中，由于地下电缆铺设档案资料不全，资料查找不便利，物探成本高，自建管线难查主人等问题，施工方很难能够详查电缆铺设线路，一些施工方产生侥幸心理，同时还有部分施工方的不规范施工，这些问题很容易在施工过程中破坏地下线缆，影响城市居民的正常生活。

图像识别技术是人工智能的一个重要领域。它是指对图像进行对象识别，以识别各种不同模式的目标和对象的技术，是利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术，是应用深度学习算法的一种实践应用。

在施工过程中，由于挖掘机产量大、效率高的优点，使其成为一种必不可少的工具，同时也是最容易破坏地下电缆的一种工具。因此，利用图像识别技术在地下电缆所在处进行挖掘机图像的识别，成为保护地下电缆的重要因素。

发明内容

本发明要克服现有技术的上述缺点，提供一种基于YOLOv4模型的挖掘机图像识别方法。

本发明通过搜集大量挖掘机的图片数据，并基于YOLOv4模型，通过大量图片数据的训练，提取挖掘机的特征，实现了有效识别挖掘机的目的。

本发明提供了一种基于YOLOv4模型的挖掘机图像识别方法，包括以下步骤：

S1：从电子监控设备中提取监控图片；

S2：对所述监控图片中的挖掘机进行标注，形成VOC数据集，其中标签文件的主要属性有图片宽度width、图片高度height、图片深度depth,挖掘机所在位置xmin、ymin、xmax、ymax；

S3：将步骤S2中通过标注得到的所述数据集分割为训练数据集和测试数据集；

S4：将步骤S3中的训练数据集输入到YOLOv4目标检测算法中，进行训练；

S5：对所述训练数据集进行50轮迭代训练，获取五个最优模型；

S6：对得到的五个最优模型进行性能分析，得到一个最优目标检测模型；所述目标检测模型用于从监控图片中检测出挖掘机图像区域；

S7：将所述目标检测模型用于识别挖掘机图像，如果识别结果为挖掘机图像时，则生成预警信息，通知监管人员；否则，收集识别错误数据，识别结束。

进一步的，步骤S5中所述获取五个最优模型过程如下：

S5-1：对每一轮迭代训练，都进行损失函数loss的计算，具体公式如下：

loss＝lbox+lobj+lcls (1)，

其中，lbox为挖掘机真实位置与预测位置之间的loss，lobj为置信度的loss，lcls为预测类与真实类之间的loss；