摘要
本发明公开了一种融合目标检测和分割的井盖隐患集成识别方法及系统,该方法首先对井盖图片数据进行预处理,并划分单元格及锚框。其次通过YOLO v8x提取预处理后的井盖图片的多尺度特征,输出井盖预测结果。采用Bagging集成学习策略,基于井盖预测结果利用加权投票机制,得到井盖隐患类别的判别结果。然后将预处理后的井盖图片输入由PVTv2‑B4组成的编码器模块进行井圈特征提取,输出井圈预测结果。同时基于井圈预测结果对井圈进行二次分析,得到井圈隐患类别的判别结果。最后结合井盖和井圈的判别结果得到隐患类别。本发明提升了复杂场景下对井盖状态的精细化识别能力,实现对井圈边界的精准勾勒与定位。
技术关键词
井盖
井圈
编码器模块
识别方法
解码器
集成学习策略
输出特征
图片
多尺度特征融合
图像
特征金字塔
双线性插值
数据处理模块
机制
语义
分类网络
识别系统
系统为您推荐了相关专利信息
信号处理方法
生成对抗网络
两阶段
仿真数据
天然气管道
图像金字塔
实物识别方法
稠密特征
狼群算法
神经网络模型
关键点检测方法
图像
多通道特征
网络
关键点检测算法
命名实体识别方法
字符
命名实体识别模型
工业故障检测
客户端
污染源识别
快速识别方法
工业园区
模糊聚类算法
局部搜索策略