CN119418084A 一种基于改进yolov5的煤矿车载货物种类识别方法及装置 （山西阳光三极科技股份有限公司）_第1页
CN119418084A 一种基于改进yolov5的煤矿车载货物种类识别方法及装置 （山西阳光三极科技股份有限公司）_第2页
CN119418084A 一种基于改进yolov5的煤矿车载货物种类识别方法及装置 （山西阳光三极科技股份有限公司）_第3页
CN119418084A 一种基于改进yolov5的煤矿车载货物种类识别方法及装置 （山西阳光三极科技股份有限公司）_第4页
CN119418084A 一种基于改进yolov5的煤矿车载货物种类识别方法及装置 （山西阳光三极科技股份有限公司）_第5页
已阅读5页，还剩21页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种基于改进yolov5的煤矿车载货物种类本发明涉及一种基于改进yolov5的煤矿车型训练，利用构建的训练集对网络模型进行训模型对装载点处每一辆矿车上的货物进行种类2对获取的每一辆矿车在装载点的视频数据进行预处理，获得每一辆矿L＝Lb+δLpt3.根据权利要求1所述的一种基于改进yolov5的煤矿车载货物种类识别方法，其特征获取每一辆矿车在装载点处的视频数据中的帧图像数据，并将每一将新的序列矩阵通过特征矩阵进行投影得到新4.根据权利要求1所述的一种基于改进yolov5的煤矿车载货物种类识别方法，其特征35.根据权利要求1所述的一种基于改进yolov5的煤矿车载货物种类识别方法，其特征6.根据权利要求5所述的一种基于改进yolov5的煤矿车载货物种类识别方法，其特征7.根据权利要求5所述的一种基于改进yolov5的煤矿车载货物种类识别方法，其特征在于：所述分离机制变换单元对经过中间表征单元处理的特征组进行融合获得每个K组的识别模块，用于利用训练完成的网络模型对装载点处每一辆4[0002]煤矿车载货物AI识别是利用人工智能技术对煤矿车辆上时视频识别需求的基于改进yolov5的煤矿车载货物种56[0029]优选的所述中间表征变化单元对每个特征组进行1×1卷积后并进行注意力处的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方7载点的图像数据；本实施例中的预处理是指对步骤S1中收集到的原始数据进行数据增强，NN[0064]S203.计算协方差矩阵并分解其特8[0067]其中A为特征值分解后的对角矩阵，V为特征向量矩阵，VT为特征向量转置矩阵，9将SE模块添加到每个分裂基数组中，对卷积特征图的通道维度进行自适应的注意力处理,各基数组进行拼接组合得到V：K}[0100]优化过程实际上就是使损失函数最小的过程，损失函数[0102]采用了准确率基本参数作评估的标准，损失函数使用主[0112]S6.利用训练完成的网络模型对装体的是摄像头采集到的图像输入到网络模型中，网络模型自动对输入图像中货物进行识[0113]本实施例是基于改进YOLOV5模型训练出的煤矿车载货物种类识别算法相比传统进后的模型比其他训练模型更加准确，且训练过程中联合Focal_loss损失函数及中心函[0114]提升了煤矿车载货物种类识别准确率，对完善煤矿管理系统具有一定的指导意得该计算机设备执行上述各种可选实现方式中块或者单元的特征和功能可以进一步划分为由多个模块或者单途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论