[发明专利]一种基于YOLOv5的磕头机停抽检测方法

权利要求书

1.一种基于YOLOv5的磕头机停抽检测方法，其特征在于，包括：

(1)制作磕头机目标检测数据集；先对视频数据流进行分帧处理得到图像数据，利用LabelImg对得到的图像数据制作磕头机数据集，将数据集按照固定比例随机划分为训练集与测试集；

(2)在PyTorch框架下构建基于YOLOv5的磕头机目标检测模型；

(3)选取训练样本对磕头机检测模型进行训练及优化；

(4)将待检测的视频流进行分帧处理后输入至训练好的磕头机检测模型，得到磕头机检测数据；

(5)根据得到的连续帧的磕头机检测数据进行高斯模糊处理后利用帧差法判断；

(6)依据判断结果生成磕头机工作状态判定并存储检测及判定信息。

2.根据权利要求1所述的一种基于YOLOv5的磕头机停抽检测方法，其特征在于，所述制作磕头机目标检测数据集包括：

将油田作业现场的视频流数据转换为帧数据，利用LabelImg对帧数据中的磕头机进行标定，将磕头机的标签分解为磕头机整体、磕头机底部(平衡块)、磕头机头部(驴头部分)以及磕头机臂(游梁)，得到图像及对应的标签文件，将图像数据以及对应的标签文件按照8:2随机划分为训练集与测试集。

3.根据权利要求2所述的一种基于YOLOv5的磕头机停抽检测方法，其特征在于，所述基于YOLOv5的磕头机目标检测模型包括：

(a)主干网络，用以提取磕头机的多尺度特征；

(b)输出网络，利用损失函数分析所述多尺度特征计算磕头机的位置偏差，同时再次进行边框回归获得检测框最终的精确位置。

4.根据权利要求3所述的一种基于YOLOv5的磕头机停抽检测方法，其特征在于，所述选取训练样本对磕头机检测模型进行训练及优化包括：

(a)设置网络的训练参数；

(b)利用磕头机数据集训练YOLOv5目标检测模型。

5.根据权利要求2所述的一种基于YOLOv5的磕头机停抽检测方法，其特征在于，步骤401)中，将检测的分类数目修改为的磕头机子部分数量；最大迭代次数设为10000；学习率初始化为0.01，第8轮将其降低到0.001，在第11轮将其降低到0.0001；动量设置为0.9，权重衰减为0.0001；预训练模型使用yolov5l.pt。

6.根据权利要求4所述的一种基于YOLOv5的磕头机停抽检测方法，其特征在于，所述磕头机检测数据为包括磕头机各个子部分包围框标签以及坐标的图像数据。

7.根据权利要求5所述的一种基于YOLOv5的磕头机停抽检测方法，其特征在于，所述高斯模糊处理为：通过高斯模糊函数减轻图像画面中光照等其他因素对图像像素的影响；所述帧差法为：在已经标定好的图像数据中选择第N_i张图片数据，截取图像中标定的磕头机包围框的位置，继续选择图像数据中第N_i+m张图片数据(m为固定帧数间隔)截取该图片中相同位置的画面；将截取到的前后两个画面进行像素相减得到差值S。

8.根据权利要求6所述的所述的一种基于YOLOv5的磕头机停抽检测方法，其特征在于，所述磕头机工作状态判定具体实现步骤为：

(a)设置像素差阈值T；

(b)根据权利要求5中得到的差值S，当ST时，判定磕头机工作状态为正常工作，相反ST时判定为停机状态；

(c)将磕头机的实时分析结果进行存储并可视化，以供监管人员查看处理。