基于改进YOLOv5的脉冲信号识别方法

本发明涉及计算机视觉与信号处理，具体是一种用于提升示波器脉冲信号识别精度与效率的基于改进yolov5的脉冲信号识别方法。

背景技术：

1、目标检测是一项至关重要的任务，旨在识别并定位图像或视频中的目标对象。yolov5(you only look once version 5)作为一种先进的单阶段目标检测模型，凭借其卓越的性能和速度，在目标检测领域赢得了广泛的认可。yolov5的架构设计巧妙且灵活，其模块化特点使得开发者可以根据实际需求轻松地对模型进行拆分、调整和重构。这种高度的灵活性使得yolov5能够很好地适应各种复杂的应用场景，从而在实际应用中表现出色。

2、然而，尽管yolov5在通用目标检测任务中表现出色，但在特定领域，如脉冲信号检测中，其性能可能并不理想。这主要归因于以下几点：

3、作为通用目标检测器，yolov5并未针对脉冲信号检测进行专门的优化。脉冲信号通常具有独特的特征和模式，需要模型能够捕捉这些细微差异。目前对yolov5的优化大多停留在调整特定参数或增强训练集层面，这些方法虽然能在一定程度上提升性能，但并未从根本上解决模型在脉冲信号检测方面的不足。

4、此外，数据集在模型训练过程中扮演着至关重要的角色。一个高质量、大规模的数据集能够显著提升模型的性能和准确性。然而，在实际应用中，数据集的获取和制作却面临诸多挑战。一方面，数据集的标注过程耗时耗力，且需要专业知识和技能；另一方面，在某些敏感领域(如医疗影像)，数据的获取和标注成本极高，甚至可能受到法律和隐私政策的限制。这些因素都导致难以获得足够大的数据集来训练模型，从而在一定程度上限制了模型性能的进一步提升。

5、综上，虽然yolov5在通用目标检测任务中取得了显著成就，但在脉冲信号检测等特定领域以及数据集获取和制作方面仍存在不足。

6、因此，需要一种针对脉冲信号检测进行优化的yolov5模型以及更高效的数据集制作方法，以解决现有技术中存在的问题。

技术实现思路

1、为了解决上述问题，本发明提出了一种针对yolov5模型的优化方法，旨在通过结构性改变来提升模型在脉冲信号识别方面的性能，并同时提出一种高效的数据增强方法，以降低数据获取成本，提高数据集的质量和规模，从而进一步提升模型的性能。

2、为实现上述目的，本发明提供的技术解决方案如下：

3、一种基于改进yolov5的脉冲信号识别方法，其特征在于，该方法包括以下步骤：

4、s1.选取一张示波器界面的图片作为背景；

5、s2.对已打好标签的数据集中的图片进行缩放处理；

6、s3.对缩放后的图片进行一定的变换，如平移、旋转，并插入到背景图片中，实现数据集的扩充；

7、s4将扩充后的数据集合划分为训练集、测试集、验证集；

8、s5.建立改进的yolov5网络模型，改进的yolov5网络模型由主干网络、颈部网络、输出端构成；

9、s6.将训练集中的图像输入到改进的yolov5网络模型的主干网络中，输出得到特征图1；

10、s7.将特征图1输入到改进的yolov5网络模型的颈部网络中，输出得到特征图2；

11、s8.将特征图2输入到改进的yolov5网络模型的输出端中，输出得到示波器图像中脉冲信号的检测框。

12、所述改进yolov5模型，其特殊之处在于：

13、改进了yolov5的主干网络，采用resnet50代替原有的结构，并减小了其中densenet的规模。resnet50通过密集连接的方式，更有效地保留了特征图的细节信息，这对于脉冲信号检测至关重要。实验结果也表明，减小densenet规模可以在显著提升了脉冲信号的检测准确率的同时，仍保持较低的计算时间。

14、对yolov5的颈部结构进行了调整，采用双向特征金字塔网络(bifpn)以增强不同尺度特征图之间的信息融合，提高了局部细节信息的传递效率，减少了信息在卷积过程中的损失。这一改进有助于模型更好地捕捉细节特征，从而提升检测性能。

15、调整了特征图的分辨率和数量。通过增加高分辨率特征图的使用，提高了小物体在特征图中的像素占比，从而使其对模型的影响更为显著。同时，减少了低分辨率特征图的使用，降低了模型的计算负担。

16、同时，还提供了一种高效的数据增强系统，用于数据集的扩充，其特征在于，包括：

17、背景选择模块：根据应用场景筛选包含多种示波器界面类型的背景图片；

18、信号变换模块：对脉冲信号图片执行缩放至预设分辨率、在±20％图像尺寸范围内平移、在±15°范围内旋转、在±20％亮度范围内调整的操作；

19、合成模块：将变换后的信号插入背景图片的非重叠区域，避开坐标轴区域，并通过坐标映射算法自动生成标注框信息。

20、与现有技术相比，本发明具有以下效果：

21、1.本发明采用resnet50替换yolov5原有的cspdarknet主干网络，通过缩减denseblock层数和通道数，在保留密集连接优势的同时降低计算复杂度。并结合双向特征特征金字塔网络(bifpn)，通过自上而下与自下而上的双向路径连接多尺度特征图，实现高频细节与全局语义信息的高效交互，有效提升了模型的特征提取能力；

22、2.通过调整模型的深度和宽度，提高特征图分辨率，增强了模型对脉冲信号的敏感性和检测精度。

23、3.本发明通过对已打好标签的小数据集进行缩放和线性变换后插入背景图片中，有效地实现了数据集的扩充.简化打标签过程，减少人工标注成本，提高了模型的泛化能力。

1.一种基于改进yolov5的脉冲信号识别方法，其特征在于，该方法包括以下步骤：

2.根据权利要求1所述的基于改进yolov5的脉冲信号识别方法，其特征在于，所述s3数据增强步骤中脉冲信号插入位置避开示波器界面的坐标轴区域，并通过坐标映射算法自动生成标注框，标注框的坐标根据插入位置的偏移量动态调整。

3.根据权利要求1所述的基于改进yolov5的脉冲信号识别方法，其特征在于，所述s3变换操作包括平移、旋转、缩放、翻转中至少一种。

4.根据权利要求1所述的基于改进yolov5的脉冲信号识别方法，其特征在于，所述背景图片的选择应充分考虑实际应用场景和目标物体的特征，以模拟真实环境中的情况，提高模型的泛化能力和适应性。

5.一种数据增强系统，用于扩充示波器脉冲信号数据集，其特征在于，包括：

6.根据权利要求5所述的数据增强系统，其特征在于，所述坐标映射算法通过计算变换后脉冲信号的中心点坐标与尺寸，结合背景图片的插入位置，动态生成标注框的左上角与右下角坐标。