公开(公告)号：CN118710926A

公开(公告)日：2024-09-27

申请号：CN202411039403.7

申请日：2024-07-31

Applicant: 常州大学

Inventor： 郑剑锋 ,  丁泓丞 ,  汤佳乐 ,  肖皓轩 ,  刘安心

IPC: G06V10/52 ,  G06V10/764 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/084 ,  G06N3/09

Abstract: 本发明提供了一种基于改进YOLOV9模型的电力设备目标检测方法和装置，属于目标检测技术领域。方法包括：获取电力设备的红外图像和可见光图像保存为数据集；使用数据增强技术对所述数据集进行扩充；采用Labelimg工具对扩充后的数据集进行标注划分为训练集、验证集和测试集；通过在原始YOLOV9神经网络模型中引入SPDConv模块、PPMDC模块和DASI模块构建改进的YOLOV9神经网络模型为YOLOV9s‑Improve神经网络模型；通过训练集对所述YOLOV9s‑Improve神经网络模型进行训练，迭代更新参数生成训练后的YOLOV9s‑Improve神经网络模型；将实时获取的电力设备的红外图像和可见光图像输入至训练后的YOLOV9s‑Improve神经网络模型中生成电力设备的检测结果。通过对原始YOLOV9神经网络模型的整体结构进行改进，优化了模型对小目标和低分辨率图像的处理能力。

公开(公告)号：CN118918089A

公开(公告)日：2024-11-08

申请号：CN202411056038.0

申请日：2024-08-02

Applicant: 常州大学

Inventor： 郑剑锋 ,  肖皓轩 ,  谢鑫宇 ,  丁泓丞 ,  吴继平

IPC: G06T7/00 ,  G06N3/0464 ,  G06N3/084 ,  G06V10/80 ,  G06T7/73

Abstract: 本发明提供了一种基于改进YOLOv9s模型的光伏电池板缺陷检测方法和系统，属于目标检测技术领域。所述方法包括：S110：采集太阳能电池板缺陷图像；S120：构建太阳能电池板缺陷数据集；S130：划分为训练集、验证集和测试集，使用软件标注每张缺陷电池片图像的缺陷类别和位置信息；S140：构建改进的YOLOv9s神经网络模型，包括在骨干网络中将部分原有的RepNCSPELAN4模块替换成CD‑LSK模块，将原有的损失函数替换为Shape‑IoU，修改网络结构，引入加权双向特征金字塔网络模块BiFPN；S150：对改进的YOLOv9s神经网络模型进行训练，得到训练后的网络模型；S160：对步骤S150中的训练后的网络模型进行测试；S170：将训练后的网络模型用于太阳能电池板缺陷检测得到检测结果。显著提高了对复杂背景的小目标检测精度。