CN119399746A 基于改进的YOLOv4的自适应断齿面夹杂物判断方法及系统 （陕西法士特齿轮有限责任公司）

基于改进的YOLOv4的自适应断齿面夹杂物本发明公开了一种基于改进的YOLOv4的自度共生矩阵特征量的待融合特征矩阵和模型训2步骤四：对于步骤三得到的训练图像数据集，在每张合并模块用于将单一图片的灰度共生矩阵特征量的待融合特征矩阵与特征金字塔网络得步骤六：将步骤三得到的单一图片的灰度共生矩阵特征步骤七，使用步骤六验证合格的模型对待检测断齿面图2.如权利要求1所述的基于改进的YOLOv4的自适应断齿面夹杂物判断方法，其特征在步骤32，将步骤31得到的每张图片均采用灰度共生矩阵进3.如权利要求1所述的基于改进的YOLOv4的自适应断齿面夹杂物判断方法，其特征在Focus层：用于将输入的416x416x1图像依次通过Focus操作和32个3x3的卷积，转换为208x208x32的特征图；入特征图分为均等的两部分后分别进入一个3×5的单一图片的灰度共生矩阵特征量的待融合特征矩阵一一对应进行拼接，得到特征合4.如权利要求1所述的基于改进的YOLOv4的自适应断齿面夹杂物判断方法，其特征在（2）将预处理后的图像输入步骤六得到的验证合格的断齿面夹杂物检测模型进行检5.如权利要求4所述的基于改进的YOLOv4的自适应断齿面夹杂物判断方法，其特征在6.如权利要求5所述的基于改进的YOLOv4的自适应断齿面夹杂物判断方法，其特征在7.如权利要求6所述的基于改进的YOLOv4的自适应断齿面夹杂物判断方法，其特征在8.一种基于改进的YOLOv4的自适应断齿面夹杂物判4训练样本获取模块：用于实现如下流程：对于待融合合并模块用于将单一图片的灰度共生矩阵特征量的待融合特征矩阵与特征金字塔网络得训练与验证模块，用于将待融合特征矩阵计算模征量的待融合特征矩阵和训练样本获取模块得到的模型训练样本数据输入到模型构建模齿轮断齿检测模块，用于采用训练与验证模块验证合格的模5[0003]目前判断齿轮断面是否有夹杂物的主要方法是将断齿面通过高倍的电子放大镜特征合并模块用于将单一图片的灰度共生矩阵特征量的待融合特征矩阵与特征金字塔网6步骤33，根据步骤32得到的特征值共生矩阵计算得到灰度共生矩阵的以下5种特Focus层：用于将输入的416×416×1图像依次通过Focus操作和32个3×3的卷中级融合特征图像进行堆叠合并得到图像，再进行5次卷积后得到中级融合特征图像输出×13×5的单一图片的灰度共生矩阵特征量的待融合特征矩阵一一对应进行拼接，得到特7[0012]另一方面，本发明还提供一种基于改进的YOLOv4的自适应断齿面夹杂物判断系征提取网络输出的三种尺度的断齿面特征图，并输出断齿面夹杂物三种尺度的特征图片；特征合并模块用于将单一图片的灰度共生矩阵特征量的待融合特征矩阵与特征金字塔网阵特征量的待融合特征矩阵和训练样本获取模块得到的模型训练样本数据输入模型构建本发明在YOLOv4模型基础上，提出与灰度共生矩阵得到的纹理特征相结合方法，8具体的，将采集得到的三通道彩色的齿轮断齿面图像转化为单通道的灰度图像，9步骤33，根据步骤32得到的特征值共生矩阵计算得到灰度共生矩阵的以下5种特[0026]⑤相关性（Corrln体现了空间灰度共生矩阵元素在行或列方向上的相似程度，具体的，断齿面夹杂物检测模型如图1所示，包含主干特征提取网络主干特征提取网络用于通过多层卷积提取输入的断齿面图像的空间特征和语义特征，得到三种尺度的断齿面特征图；特征金字塔网络用于融合来自主干特征提取网络输出的三种尺度的断齿面特征图，并输出断齿面夹杂物三种尺度的特征图片；特征合并模块用于将单一图片的灰度共生矩阵特征量的待融合特征矩阵（由步骤三得到）与特征金字塔网络得到的断齿面夹杂物三种尺度的特征图片对应拼接，得到三种尺度的特征合并矩阵；检测头用于个残差模块输出的高分辨率的低级特征图像（52×52×256）、中级特征图像（26×26×与低级特征图像结合后的图像（52×52×384）进行5次卷积处理，得到低级融合特征图像128同时将低级融合特征图像进行下采样，得到下采样数据集（26×26×256将其与中级融合特征图像进行堆叠合并得到图像（26×26×512再进行5次卷积后得到中级融合特物的存在概率预测，、、均为对应的加权系数，通常选择=s、、。征提取网络输出的三种尺度的断齿面特征图，并输出断齿面夹杂物三种尺度的特征图片；特征合并模块用于将单一图片的灰度共生矩阵特征量的待融合特征矩阵与特征金字塔网阵特征量的待融合特征