一种基于YOLOv5改进的岸桥缺陷检测方法

本发明涉及机器视觉检测，尤其涉及一种基于yolov5改进的岸桥缺陷检测方法。

背景技术：

1、岸桥又称岸边集装箱起重机，是用于集装箱船与码头前沿之间装卸集装箱的主要设备，一般安装在港口码头岸边。由于其所处环境和工作任务的特殊性，日常的检查保养是不可或缺的，然而，表面的缺陷细小难以直接观察，往往采用深度学习方法，进行缺陷检测。

2、经检索，公告号cn115359016a的中国专利，公开了基于改进yolov5的pcb小目标缺陷检测方法和系统，其提出通过改进yolov5的目标缺陷检测算法，实现对pcb小目标缺陷检测，解决特征提取能力不足、误检率高以及检测性能差等问题的技术方案；

3、公告号cn115880264a的中国专利，公开了一种基于yolov5的铝片缺陷检测方法，其提出采用yolov5目标检测网络的方式，通过图片分析对铝片存在缺陷进行检测的技术方案；

4、然而，对于岸桥缺陷检测来说，岸桥缺陷检测过程中，存在目标检测识别中岸桥表面缺陷尺度跨度大、相似缺陷难于区分和小目标缺陷产生漏检的问题，因此，如何提高检测的平均精度，解决检测小目标缺陷可能出现的漏检误检，是亟需解决的问题。

技术实现思路

1、本发明的目的是为了解决现有技术中存在的缺陷，而提出的基于yolov5改进的岸桥缺陷检测方法。

2、为了实现上述目的，本发明采用了如下技术方案：

3、一种基于yolov5改进的岸桥缺陷检测方法，包括以下步骤：

4、s1：基于yolov5的网络结构引入动态卷积，并在动态卷积中引入ca注意力模块；

5、s2：将yolov5s模型的检测头部替换为dyhead动态检测头；

6、s3：使用nwd损失函数替换ciou损失函数进行目标缺陷检测优化，完成优化。

7、进一步地，步骤1中，动态卷积结构为3×3动态卷积，在动态卷积层中引入温度机制，通过均匀的温度退火策略获得最优解，其中，第k个线性函数的注意力权重与温度等变量的关系如下：

8、

9、其中zk为注意力分支中第二个全连接层的第k输出，zj为第j个输出，τ为温度，原始的softmax相当于τ＝1的情况；

10、通过初始温度、迭代次数、退火速率以及终止温度的控制，使所提诊断网络在有限时间内获得全局最优解。

11、进一步地，步骤1中，引入ca注意力模块的步骤流程为：

12、首先对输入特征图使用大小为(h,1)和(1,w)的池化核从宽高方向进行全局平均，以获得宽度和高度方向的特征图，

13、假设输入特征图的宽度为w、高度为h，则平均池化后第c个通道的输出如下：

14、

15、通过此次变换，得到一对方向感知特征图和其中捕捉垂直方向的信息，捕捉水平方向的信息；

16、然后将和进行concat连接，经过conv 2d卷积和relu激活后，生成一个中间特征图f，具体如下式：

17、f＝σ(f1([zh,zω]))

18、将中间特征图f沿空间维度拆分为两个单张量，利用两个1×1卷积fh和fw进行σ变换，并通过sigmoid激活函数得到特征图在空间维度h和空间维度w上的注意力自适应权重gh和gw，具体如下式：

19、gh＝σ(fh(fh)),gw＝δ(fw(fw))；

20、最后对原始特征图进行加权，得到宽度和高度方向具有注意力权重的特征图yc,具体如下式。

21、

22、进一步地，在步骤s2中，替换动态检测头具体为：在特征张量的每个特定维度上添加注意力机制，具体流程为：

23、将四维张量l×h×w×c重新定义为三维张量l×s×c；

24、分别在l、s和c维度上用尺度感知注意、空间感知注意和任务感知注意；

25、在检层上给定三维特征张量f∈rl×s×c,该注意力函数计算公式如式(9)所示：

26、w(f)＝πc(πs·(πl(f)·f)·f)·f(9)

27、其中，πl(·)、πs(·)、πc(·)分别是应用在维度l、s、c上的三个不同的注意力函数；

28、三种注意力顺序应用于检测头部，能够多次叠加使用。

29、进一步地，在步骤s3中，通过二维高斯分布表示边界框，并通过其对应的高斯分布计算预测框和真实框之间的相似度,nwd损失函数的计算公式具体如下式：

30、

31、式中，w2(n,ngt)表示预测框与真实框的wasserstein距离；n、ngt分别为预测框与真实框的二维高斯分布；c表示依据数据集中目标尺寸设置的常数。

32、相比于现有技术，本发明的有益效果在于：

33、通过采用改进的yolov5s目标检测的方法，用于岸桥表面缺陷的检测，基于yolov5s为基础模型，引入了自适应调整的动态卷积来提高网络的表达能力和计算能力，并且通过引入ca注意力机制、dyhead动态检测头使得网络的检测精度得到进一步的提升，最后又使用nwd损失函数替换ciou损失函数增加对小目标缺陷的检测能力。

技术特征：

1.一种基于yolov5改进的岸桥缺陷检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于yolov5改进的岸桥缺陷检测方法，其特征在于，步骤1中，动态卷积结构为3×3动态卷积，在动态卷积层中引入温度机制，通过均匀的温度退火策略获得最优解，其中，第k个线性函数的注意力权重与温度等变量的关系如下：

3.根据权利要求2所述的基于yolov5改进的岸桥缺陷检测方法，其特征在于，步骤1中，引入ca注意力模块的步骤流程为：

4.根据权利要求3所述的基于yolov5改进的岸桥缺陷检测方法，其特征在于，在步骤s2中，替换动态检测头具体为：在特征张量的每个特定维度上添加注意力机制，具体流程为：

5.根据权利要求4所述的基于yolov5改进的岸桥缺陷检测方法，其特征在于，在步骤s3中，通过二维高斯分布表示边界框，并通过其对应的高斯分布计算预测框和真实框之间的相似度,nwd损失函数的计算公式具体如下式：

技术总结本发明公开了一种基于YOLOv5改进的岸桥缺陷检测方法，包括以下步骤：S1：基于YOLOv5的网络结构引入动态卷积，并在动态卷积中引入CA注意力模块；S2：将YOLOv5s模型的检测头部替换为Dyhead动态检测头；S3：使用NWD损失函数替换CIoU损失函数进行目标缺陷检测优化，完成优化。通过采用改进的YOLOv5s目标检测的方法，用于岸桥表面缺陷的检测，基于YOLOv5s为基础模型，引入了自适应调整的动态卷积来提高网络的表达能力和计算能力，并且通过引入CA注意力机制、动态检测头使得网络的检测精度得到进一步的提升，最后又使用NWD损失函数替换CIoU损失函数增加对小目标缺陷的检测能力。技术研发人员：杨天皓,刘俊受保护的技术使用者：上海电机学院技术研发日：技术公布日：2024/9/26