一种通信机房的目标识别方法、电子设备及介质与流程

本申请涉及目标识别，尤其涉及一种通信机房的目标识别方法、电子设备及介质。

背景技术：

1、目前，通信机房资产管理普遍采用两类技术方案：一类是传统的人工巡检与人工录入方式，另一类是基于图像识别模型的自动识别方式。在人工巡检方案中，运维人员需定期进入机房，逐台设备进行拍照、记录和核对，并将设备型号、序列号及位置信息手工录入资产管理系统。该方式依赖人工完成识别、录入与复核等工作流程，虽然具有一定的直观性和可操作性，但整体效率较低、劳动强度大且数据更新滞后。随着人工智能技术的发展，部分研究与工程实践开始引入基于深度学习的图像识别方法，对机房设备进行自动检测与分类。这类方法通常基于 yolov5、yolov6、yolov7 等目标检测框架，通过对设备图像进行检测来识别设备类别与位置。部分改进方案采用数据增强技术（如 mosaic、cutout）与轻量化结构优化，以提升识别精度和推理速度。

2、然而，在通信机房这一复杂应用环境中（光照不均、设备密集、存在反光与部分遮挡等），上述技术仍存在显著局限。特别是在小目标检测、跨尺度特征融合、多模态信息扩展及移动端部署等方面，传统深度学习检测模型的性能仍无法满足实际资产识别与管理的需求。

技术实现思路

1、本申请实施例提供了一种通信机房的目标识别方法、电子设备及介质，以在目标检测的过程中针对于通信机房中目标图像的特点进行网络结构改进，以提高目标检测准确性。

2、根据本申请的一方面，提供了一种通信机房的目标识别方法，该方法包括：

3、采集通信机房内部的目标图像，并将所述目标图像输入至目标检测网络中的主干网络进行特征提取，得到多尺度特征；其中，所述主干网络中包括条带门控网络、特征提取与融合模块；

4、将所述多尺度特征输入至颈部网络中进行特征更新，得到更新特征；其中，所述颈部网络中包括跨尺度残差融合模块以捕捉多尺度纹理特征；

5、将所述更新特征输入至检测头中进行目标识别，得到对通信机房中目标的识别结果。

6、根据本申请的一方面，提供了一种通信机房的目标识别装置，所述装置包括：

7、特征提取模块，用于采集通信机房内部的目标图像，并将所述目标图像输入至目标检测网络中的主干网络进行特征提取，得到多尺度特征；其中，所述主干网络中包括条带门控网络、特征提取与融合模块；

8、特征更新模块，用于将所述多尺度特征输入至颈部网络中进行特征更新，得到更新特征；其中，所述颈部网络中包括跨尺度残差融合模块以捕捉多尺度纹理特征；

9、目标识别模块，用于将所述更新特征输入至检测头中进行目标识别，得到对通信机房中目标的识别结果。

10、根据本申请的另一方面，提供了一种电子设备，该电子设备包括：

11、至少一个处理器；以及，

12、与至少一个处理器通信连接的存储器；其中，

13、存储器存储有可被至少一个处理器执行的计算机程序，计算机程序被至少一个处理器执行，以使至少一个处理器能够执行本申请任一实施例的通信机房的目标识别方法。

14、根据本申请的另一方面，提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机指令，计算机指令用于使处理器执行时实现本申请任一实施例的通信机房的目标识别方法。

15、根据本申请的另一方面，提供了一种计算机程序产品，计算机程序产品包括计算机程序，该计算机程序被处理器执行时实现本申请任一实施例的通信机房的目标识别方法。

16、本申请实施例的技术方案，采集通信机房内部的目标图像，并将所述目标图像输入至目标检测网络中的主干网络进行特征提取，得到多尺度特征；其中，所述主干网络中包括条带门控网络、特征提取与融合模块；将所述多尺度特征输入至颈部网络中进行特征更新，得到更新特征；其中，所述颈部网络中包括跨尺度残差融合模块以捕捉多尺度纹理特征；将所述更新特征输入至检测头中进行目标识别，得到对通信机房中目标的识别结果。上述方案在特征提取阶段引入条带卷积与方向性空间门控机制，增强模型对纵向结构特征的敏感性，从而提升设备边界检测的准确性与稳定性。该结构对通信机房内设备排列紧密、结构相似的复杂场景具有良好的适应性。设计跨尺度残差融合结构，在特征融合阶段实现不同尺度特征的有效叠加与传递，使模型同时具备大目标与小目标的检测能力，保证在设备密集、光照变化及部分遮挡等复杂机房场景下的识别稳定性。

17、应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。

1.一种通信机房的目标识别方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，将所述目标图像输入至目标检测网络中的主干网络进行特征提取，得到多尺度特征，包括：

3.根据权利要求2所述的方法，其特征在于，经过两层条带门控网络进行处理，包括：

4.根据权利要求3所述的方法，其特征在于，经过条带卷积门控线性模块的处理过程，包括：

5.根据权利要求2所述的方法，其特征在于，将第一尺度特征继续经过两层由复合卷积模块以及特征提取与融合模块的处理，得到第二尺度特征，包括：

6.根据权利要求1所述的方法，其特征在于，将所述多尺度特征输入至颈部网络中进行特征更新，得到更新特征，包括：

7.根据权利要求6所述的方法，其特征在于，将所述多尺度特征经过跨尺度残差融合模块进行处理，得到中间特征，包括：

8.根据权利要求1所述的方法，其特征在于，在训练过程中的损失函数的确定过程包括：

9.一种电子设备，其特征在于，所述电子设备包括：

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-8中任一项所述的通信机房的目标识别方法。