一种基于改进YOLOv5的输电线路零部件识别方法

技术特征：
1.一种基于改进yolov5的输电线路零部件识别方法，其特征在于，包括以下步骤：步骤一、收集输电线路航拍图像，并对其进行数据增强；步骤二、构造改进后的yolov5网络，包括以下内容：首先对网络结构进行改进，增加更小尺度检测层，并在pan层添加跳跃连接；然后提出pcsa注意力机制，构建pcsa block替换部分c3模块；最后提出l
sciou
，作为bounding box的损失函数；步骤三、将步骤一得到的数据集按8：2的比例划分为训练集和测试集，将训练集放入改进后的yolov5网络进行训练，取其训练结果最好的权重best.pt作为最终权重；步骤四、将步骤三得到的权重载入网络，用测试集图片进行测试，用精确度、召回率和平均精确率均值评价最终测试结果。2.根据权利要求1所述的一种基于改进yolov5的输电线路零部件识别方法，其特征在于，步骤一具体如下：步骤1.1、首先将图片调整到统一大小；然后裁剪出数量较少的零部件图片，其余部分用黑色背景填充，通过平移生成不同的新图片，增加数量较少的零部件图片；最后对全部图像进行翻转、旋转，并且通过调整亮度、通道变换方法模拟不同光照条件下的情况；步骤1.2、利用labelimg软件对图片进行手动标注，用矩形框标注出物体的位置并记录类别信息，生成一一对应的xml格式文件，xml格式文件记录了图片的大小、名称，物体的位置信息、类别信息。3.根据权利要求1所述的一种基于改进yolov5的输电线路零部件识别方法，其特征在于，步骤二具体如下：步骤2.1、网络结构改进为：从fpn结构的第二个concat模块引出一个分支，通过c3、conv、上采样模块与backbone的第一个c3模块的输出进行堆叠，其结果经过一个c3模块后一路送往检测头，另一路经过conv、concat模块接入pan结构；将backbone的第2个c3的输出通过1*1的卷积模块降低一半通道数，与pan结构中对应大小的concat模块进行堆叠，第3个c3模块以同样的方式与pan结构的concat模块进行堆叠；步骤2.2、构造pcsa注意力机制，包括位置注意力机制和通道注意力机制，位置注意力机制具体如下：对于输入特征图，经过3个不同的1*1卷积生成不同的特征图，分别对应query、key、value；然后对query和key进行通道维度上的平均池化，然后将query进行转置与key进行矩阵乘法再经过softmax得到位置权重，将value与转置的位置权重做矩阵乘法得到加权后的特征图1；通道注意力机制具体如下：对query和key进行进行空间维度上的平均池化，然后将query与转置的key进行矩阵乘法再经过softmax得到通道权重，将权重与value进行矩阵乘法得到加权后的特征图2，最后将特征图1和特征图2乘上不同的可训练的权重系数与原特征图相加得到输出；公式为：其中，为权重，avg
c
为通道维度上平均池化，avg
s
为平面维度上平均池化，t为转置，q、k、v分别代表着输入x经过3个1*1卷积生成的特征图。
步骤2.3、改进位置损失函数，l
sciou
公式为：公式为：公式为：其中，λ为可调参数，iou为交并比，w
gt
、h
gt
分别为真实框的宽、高，w、h分别为预测框的宽、高，ρ(b,b
gt
)为两框中心点坐标的欧式距离，c为两框最小外接矩形的对角线长度。4.根据权利要求3所述的一种基于改进yolov5的输电线路零部件识别方法，其特征在于，在步骤二中，构造pcsa block模块，结构为输入经过1*1卷积模块和psca模块后与输入经过另一个1*1卷积模块进行堆叠，再通过一个1*1卷积模块得到输出；其中前两个1*1卷积模块输出的通道数为输入的一半，最后一个1*1卷积模块输出通道数等于输入；公式为：out＝conv(concat(pcsa(conv(x)),conv(x)))用pcsa block模块替换backbone的最后一个c3模块以及pan层的最后一个c3模块。5.根据权利要求1所述的一种基于改进yolov5的输电线路零部件识别方法，其特征在于，步骤三具体如下：步骤3.1、将步骤一得到的图片和xml文件按8：2的比例划分训练集、测试集；步骤3.2、设置训练参数为：批次大小为48，训练轮次为250次，图像大小为640*640，初始学习率为0.01，最终学习率为0.2，优化函数为sgd，冲量为0.937，权重衰减系数为0.0005，l
sciou
的λ为20；步骤3.3、将训练集图片送入改进后的yolov5网络进行训练，通过多次训练使损失函数尽可能降低，在损失函数收敛后或者到达最大训练轮次后停止训练，保存此次训练的最佳网络权重best.pt。6.根据权利要求1所述的一种基于改进yolov5的输电线路零部件识别方法，其特征在于，步骤四具体如下：步骤4.1、将步骤三训练得到的网络权重载入网络，用测试集对其进行测试训练效果，用精确度、召回率和平均精确率均值指标对网络性能进行评价；步骤4.2、训练后的模型能够自动识别出输电线路图片中零部件的类别及位置，并用矩形框在图中标注出来。

技术总结
本发明公开了一种基于改进YOLOv5的输电线路零部件识别方法，包括：首先，收集输电线路航拍图像，通过数据增强方法对其进行扩充；然后，基于YOLOv5网络进行改进，增加更小尺度检测层，并在PAN层添加跳跃连接，融合多路径特征，提升小目标检测性能；提出PCSA注意力机制，融合空间维度和通道维度的特征关系，提高图像中目标的显著度；提出L


技术研发人员：顾菊平 胡俊杰 张新松 朱建红 王子旭 周伯俊 赵凤申 张思续
受保护的技术使用者：南通大学
技术研发日：2022.04.22
技术公布日：2022/7/29