[发明专利]一种基于YOLO V5的通信检修工具识别方法

说明书

本发明涉及一种基于YOLO V5的通信检修工具识别方法，属于通信检修工具识别技术领域。本发明的方法采用MOT半自动标注工具和VoTT可视化对象标注工具对通信线路检修工具样本进行标注，生成专用的数据集，具有通信领域实用价值；采用注意力机制对YOLO V5模型进行改进，并使用改进后的YOLO V5模型对所述通信线路检修工具数据集进行数据增强和模型训练，提升检测效率和识别准确率；采用OpenVINO进行模型推理优化和加速，提升了检测速度；通过部署到便携的移动终端树莓派上对通信线路检修工具进行实时检测和结果显示，较好解决当前通信线路检修工具识别难题，为通信作业对通信线路检修工具识别进行分类收纳和选取提供便利。

技术领域

本发明属于通信检修工具识别技术领域，具体涉及一种基于YOLO V5的通信检修工具识别方法。

背景技术

通信线路检修工具种类多样，类别涉及程控交换、网络传输、光端传输、图像传输、通信电源等，具有相当的专业性和复杂度。通信线路检修作业过程时常发生作业人员选取工具使用不当的问题，这样的行为既影响“抢代通”的效率，还可能对通信线路和接口造成不可逆的损伤。为了降低通信作业人员选取通信检修工具的失误率，本文以识别通信检修工具为出发点，通过对其进行准确识别，为通信作业人员正确选取工具和识别违规行为提供指导。通信线路检修工具繁多，且随着信息网络和光通信技术和设备的不断优化和更新，通信线路检修工具的种类越来越多，为识别和检测带来一定的困难。传统机器学习相关算法无法更好地识别相当数量的通信线路检修工具。而当前针对通信线路检修工具识别分类的研究较少，无法更好地为通信作业人员正确选取工具提供便利，也不能为发现违规行为进行提示。当前通信技术行业广泛引用深度学习检测技术，其中YOLO系统算法以其实时性好、准确率高，成为是工程应用和落地的重要模型之一。

参考中国专利公开号为CN113947527A的一种基于YOLO V5模型的电力工器具检测方法，该方法基于YOLO V5算法实现电力工器具的识别和分类，并对通信线路检修工具样本进行图像增强，并通过预处理对数据集进行迁移学习，进一步提升电子检修工具识别的准确率。将该研究方法从电力工具领域转移到通信线路检修工具领域，需要制作新的数据集，着力解决算法在室内、野外、夜间、强光等多个应用场景下识别率下降的问题，并实现部署到移动终端便于携行使用。为此，本发明充分考虑通信线路检测工具的应用场景、形状、大小、颜色等特性，引入自注意力机制对YOLO V5算法进行改进，提升识别准确率。考虑机动需求，采用OpenVINO对改进后的YOLO V5算法进行推理和加速，并部署到移动终端上，取得更好的效果。

发明内容

(一)要解决的技术问题

本发明要解决的技术问题是如何提供一种基于YOLO V5的通信检修工具识别方法，以解决在室内、野外、夜间、强光等多个应用场景下识别率下降、以及使用不方便的问题。

(二)技术方案

为了解决上述技术问题，本发明提出一种基于YOLO V5的通信检修工具识别方法，该方法包括如下步骤：

S1：采用MOT半自动标注工具和VoTT可视化对象标注工具对通信检修工具的视频片段和图像进行数据标注，得到通信检修工具数据集；

S2：基于深度可分离残差网络结构，引入SE、CA或CBAM注意力机制，改进YOLO V5主干网络；

S3：利用改进后的YOLO V5主干网络对通信检修工具数据集进行图像增强，并进行模型训练，得到训练好的模型参数和权重；

S4：运用OpenVINO优化器对训练好的YOLO V5主干网络进行推理和性能优化；

S5：将优化后的模型部署到树莓派的移动终端上，对经标准化处理的通信线路检修工具的图像进行检测，输出对应通信线路检修工具的类别。