摘要
本发明公开了一种面向无序摆放的焊条头视觉计数方法,包括:S1:采集焊条头的图像,得到真实数据集;对真实数据集进行扩充,最终得到训练集和测试集;S2:基于YOLOv8架构,采用DS‑PD‑CONV卷积模块和NON_LOCAL注意力机制对YOLOv8的网络结构进行改进,得到焊条头检测网络模型,本发明提供了一种面向无序摆放的焊条头视觉计数方法,通过对YOLOv8算法进行深度优化改进,提高焊条头关键特征点的提取能力,然后调整特征识别时网络的注意力机制,并提出两步检测策略减少焊条头数量过多时的漏检测问题,最终实现高于99.5%正确率的焊条头计数精度,本发明的方法具有较强的稳定性、扩展性,可应用于常见类型的多目标计数、细小目标识别等情况。
技术关键词
计数方法
注意力机制
检测网络模型
焊条结构
卷积模块
视觉
网络结构
网格
图像处理技术
掩膜
单目相机
通道
轮廓信息
形态
动态
正确率
图片
系统为您推荐了相关专利信息
深度学习神经网络
采样模块
上采样
注意力机制
激光雷达点云数据
蒙汉神经机器翻译方法
文本生成图像
蒙古语
融合图像信息
图像转换方法
实体对齐方法
融合注意力机制
表达式
信息熵
BERT模型
混合预测模型
光伏电站
门控循环单元
历史功率数据
空间降尺度