[发明专利]一种基于Yolo V5模型的电力工器具检测方法

权利要求书

1.一种基于Yolo V5模型的电力工器具检测方法，其特征是，包括以下步骤：

S1，采集电力工器具的样本图像数据并进行标注；

S2，对标注后的样本图像数据进行特征增强，获得COCO数据集；

S3，构建Yolo V5模型，所述Yolo V5模型的损失函数为Focal Loss损失函数；

S4，利用COCO数据集对所述Yolo V5模型进行训练，得到电力工器具检测的目标参数和目标权重，并将所述目标参数和目标权重作为训练好的Yolo V5模型的参数和权重；

S5，使用训练好的Yolo V5模型对经标准化处理的电力工器具的图像进行检测，输出对应电力工器具的类别。

2.根据权利要求1所述的一种基于Yolo V5模型的电力工器具检测方法，其特征是，所述S1具体包括以下步骤：采集电力工器具的样本图像数据，利用图像标注工具labelimg对所述样本图像数据进行标注，得到标注后的样本图像数据。

3.根据权利要求1所述的一种基于Yolo V5模型的电力工器具检测方法，其特征是，所述S2具体包括以下步骤：

S201，对标注后的样本图像数据进行特征增强，得到增强后的图像数据，所述特征增强包括增加噪声、改变亮度和改变色度；

S202，提取出不包含小目标物体的增强后的图像，对图像的尺寸进行调整后进行拼接，将拼接图像和含有小目标对象的增强后的图像组成COCO数据集，并按4：1的比例将COCO数据集分成训练集和验证集。

4.根据权利要求1所述的一种基于Yolo V5模型的电力工器具检测方法，其特征是，所述Focal Loss损失函数为：

其中，Y是经过Yolo V5模型的激活函数的输出，α是平衡因子，用于平衡正负样本本身的比例不均，γ是调节因子，用于调节简单样本权重降低的速率，y是类别，在二分类中对应为0或1。

5.根据权利要求4所述的一种基于Yolo V5模型的电力工器具检测方法，其特征是，所述S4具体包括以下步骤：

S401，利用COCO数据集对所述Yolo V5模型进行训练，

S402，将Focal Loss损失函数中的α更改为yolo v5每轮epoch训练结束后得到的准确率P值和召回率R值的均值，即：

α＝(P+R)/2

S403，训练完成后得到电力工器具检测的目标参数和目标权重，并将所述目标参数和目标权重作为训练好的Yolo V5模型的参数和权重。

6.根据权利要求1所述的一种基于Yolo V5模型的电力工器具检测方法，其特征是，所述准化处理为将待测的电力工器具的图像统一转化为640*640分辨率的图像。

7.根据权利要求3所述的一种基于Yolo V5模型的电力工器具检测方法，其特征是，在拼接图像的过程中，将k个统一分辨率的增强后的图像通过最近邻插值法进行缩放，然后合并构造成拼接图像；增强后的图像的像素大小为W*H，W为宽的像素值，H为长的像素值，为了保留原始增强后的图像的属性，缩放后的图像保持的宽高比，当k＝1时，拼接图像引入的是增强后的图像。

8.根据权利要求7所述的一种基于Yolo V5模型的电力工器具检测方法，其特征是，缩放后的图像的像素大小为w*h，原始增强后的图像中每个像素点的坐标都是整数；假设缩放后有一个像素点为(x,g)，则其所对应在原图中的像素点为(X,G)＝(W/w*x,H/h*g)，但是因为缩放比例的原因，会导致(W/w*x,H/h*y)中的值不一定是整数，此时用四舍五入法将其化为整数，整数函数表示为f，所以原图中的像素点(X,G)＝f(W/w*x,H/h*g)。