一种基于神经网络的断路断桥识别方法

本发明涉及一种基于神经网络的断路断桥识别方法，属于智能驾驶与计算机视觉技术领域。该方法为通过将少量真实的断路断桥图片以及构建模型、仿射变换、利用生成式对抗网络得到的图片，进行数据增强，制作数据集，再将其导入到增加了MSCAM与LWM模块的YOLOv8改进神经网络中进行深度学习，训练得到最佳权重参数，将其用于检测断路断桥。将车载摄像头拍摄到的画面视频导入到已训练的神经网络中，然后判断视频中的物体是否达到阈值，如果达到则说明存在断路断桥。本发明能有效利用少量数据进行训练，同时利用改进的YOLOv8神经网络训练，可以使得识别精度更高、距离更远。