基于改进YOLOv8-EfficientNet的皮带磨损状态检测方法
摘要文本
本发明涉及目标检测方法技术领域，尤其涉及一种基于改进YOLOv8‑EfficientNet的皮带磨损状态检测方法。本发明利用当前最先进的实时监测算法YOLOv8目标检测算法为基础，与改进的EfficientNet卷积神经网络结合，并对结合后网络加以改进。对获取到的输送机皮带磨损图片进行预处理操作，预处理技术采用Retinex图像增强算法，对图像进行亮度增强，细节保护，色彩保护，自然度恢复，图像去噪，细节提取等，提高皮带磨损图片的清晰度。最后，将改进后的算法部署到输送机实时检测设备对输送机皮带进行检测，可以准确得出输送带磨损部位以及每个部位的磨损程度。
申请人信息
- 申请人:河北工程大学
- 申请人地址:056009 河北省邯郸市光明南大街199号
- 发明人: 河北工程大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于改进YOLOv8-EfficientNet的皮带磨损状态检测方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311480324.5 |
| 申请日 | 2023/11/8 |
| 公告号 | CN117422696A |
| 公开日 | 2024/1/19 |
| IPC主分类号 | G06T7/00 |
| 权利人 | 河北工程大学 |
| 发明人 | 杨立洁; 陈广宇; 李建申; 徐召冉 |
| 地址 | 河北省邯郸市丛台区邯郸经济技术开发区太极路19号 |
专利主权项内容
1.一种基于改进YOLOv8-EfficientNet的皮带磨损状态检测方法，其特征在于，包括如下内容：S1、利用CCD相机采集煤矿带式输送机皮带的不同磨损程度图像用于制作磨损数据集；根据拉伸性能试验得出的不同磨损程度皮带性能；利用标注软件标注数据集；对数据集进行扩增，并将数据集划分为训练集和验证集；S2、在传统Retinex图像增强算法的基础上，对其进行改进；将高斯滤波和双边滤波作为中心环绕函数，处理后在与进行直方图均衡化和自适应亮度调节的图像做通道融合；将S1中采集到的图像送入改进后的图像增强算法进行处理；S3、建立基于改进YOLOv8-EfficientNet算法的皮带磨损状态检测模型，具体包括：将YOLOv8的主干网络更换为EfficientNet模块，变换为轻量级网络模型，利用EfficientNet模块中不改变层结构对卷积层进行混合缩放，达到性能最优模型结构；S4、训练S3中构建的改进YOLOv8-EfficientNet算法的皮带磨损状态检测模型，将S2中处理后的皮带磨损图像中的训练集和验证集送入构建的基于改进YOLOv8-EfficientNet算法的皮带磨损状态检测模型中进行训练；对训练后的改进YOLOv8-EfficientNet算法的皮带磨损状态检测模型进行性能评估与评价，得到收敛良好的网络模型；S5、评估模型，根据训练后得到的基于改进YOLOv8-EfficientNet算法的皮带磨损状态检测模型，对模型的平均检测精度、检测速度进行评估；S6、将S5中评估后的满足实际工况的基于改进YOLOv8-Efficient Net算法的皮带磨损状态检测模型应用于实际工况中，对输送机皮带磨损进行实际检测。 来自：