一种基于YOLOv5的绝缘拉杆缺陷检测方法及装置

AITNT
正文
推荐专利
一种基于YOLOv5的绝缘拉杆缺陷检测方法及装置
申请号:CN202410762295
申请日期:2024-06-13
公开号:CN118587191A
公开日期:2024-09-03
类型:发明专利
摘要
本发明公开了一种基于YOLOv5的绝缘拉杆缺陷检测方法及装置,属于电力系统中绝缘材料缺陷检测技术领域,包括:获取绝缘拉杆缺陷原片,建立绝缘拉杆缺陷数据集;利用所述绝缘拉杆缺陷数据集训练基于YOLOv5s的绝缘拉杆缺陷检测网络,获得绝缘拉杆缺陷检测模型;采集待进行检测的绝缘拉杆图像,结合绝缘拉杆缺陷检测模型确定待进行检测的绝缘拉杆的缺陷。本发明采用上述结构的一种基于YOLOv5的绝缘拉杆缺陷检测方法及装置,通过搭建绝缘拉杆智能图像采集设备、集成开发绝缘拉杆缺陷检测控制软件对绝缘拉杆进行图像采集,并将采集到的图像传入深度学习模型中进行缺陷识别,以实现对绝缘拉杆缺陷快速、准确检测。
技术关键词
绝缘拉杆 缺陷检测方法 特征提取网络 智能图像采集设备 特征融合网络 数据 多尺度特征融合 缺陷检测技术 浮点数 照片 深度学习模型 模块 绝缘材料 电力系统 相机 图片 像素 阶段
系统为您推荐了相关专利信息
1
一种基于重要参数约束的连续学习的图像分类方法
图像分类方法 特征提取网络 线性分类器 样本 原型
2
基于细节增强和多颜色空间学习的联合监督水下图像增强算法
图像增强算法 水下成像模型 背景光 水下降质图像 颜色特征提取
3
一种基于状态反馈的多约束多目标配电网优化控制决策方法
特征提取网络 多智能体深度强化学习 注意力编码器 控制决策方法 电压
4
基于特征解耦重构策略的多模态融合目标检测方法及系统
模态特征 重构策略 特征提取网络 深度融合网络 融合特征
5
基于深度模糊卷积神经网络模型实现的图像分类方法及相关装置
模糊特征 深度卷积特征 序列 特征提取网络 特征融合网络
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号