[发明专利]基于改进定位损失函数的隧道顶灯故障检测方法及系统

权利要求书

1.一种基于改进定位损失函数的隧道顶灯故障检测方法，其特征在于，包括：

构建隧道顶灯检测图像的数据集；

获取基于改进定位损失函数的YOLOv5s神经网络；

根据所述数据集对所述YOLOv5s神经网络进行训练，得到训练后的YOLOv5s神经网络；

获取待检测的隧道顶灯图像；

利用所述训练后的YOLOv5s神经网络对所述待检测的隧道顶灯图像进行检测，得到发光顶灯的位置坐标；

根据所述发光顶灯的位置坐标判断隧道顶灯是否存在故障；

所述构建隧道顶灯检测图像的数据集，具体包括：

利用多角度摄像头对隧道顶灯进行视频采集；

对采集到的视频进行视频帧间隔提取，得到隧道顶灯图像集合；

采用LabelImg软件对所述隧道顶灯图像集合中的隧道顶灯进行标记；

将标记后的隧道顶灯图像处理为PascalVOC格式，得到所述隧道顶灯检测图像的数据集；

所述改进定位损失函数具体为边角对齐宽高相似损失函数，包括边重叠损失、角距离损失以及宽高比损失；

所述边角对齐宽高相似损失函数公式为：

L_SCA＝L_SO+αL_CD+L_AR

其中，L_SCA为边角对齐宽高相似损失函数，L_SO为边重叠损失，L_CD为角距离损失，L_AR为宽高比损失，α为权重系数。

2.根据权利要求1所述的基于改进定位损失函数的隧道顶灯故障检测方法，其特征在于，α为0.25。

3.根据权利要求1所述的基于改进定位损失函数的隧道顶灯故障检测方法，其特征在于，所述根据所述发光顶灯的位置坐标判断隧道顶灯是否存在故障，具体包括：

获取两个连续发光顶灯的位置坐标；

根据所述位置坐标计算两个连续发光顶灯的距离差；

判断所述距离差是否大于设定阈值；

若是，则隧道顶灯出现故障。

4.一种基于改进定位损失函数的隧道顶灯故障检测系统，其特征在于，包括：

数据集构建模块，用于构建隧道顶灯检测图像的数据集；

神经网络获取模块，用于获取基于改进定位损失函数的YOLOv5s神经网络；

训练模块，用于根据所述数据集对所述YOLOv5s神经网络进行训练，得到训练后的YOLOv5s神经网络；

待检测图像获取模块，用于获取待检测的隧道顶灯图像；

位置检测模块，用于利用所述训练后的YOLOv5s神经网络对所述待检测的隧道顶灯图像进行检测，得到发光顶灯的位置坐标；

故障识别模块，用于根据所述发光顶灯的位置坐标判断隧道顶灯是否存在故障；

所述数据集构建模块，具体包括：

视频采集单元，用于利用多角度摄像头对隧道顶灯进行视频采集；

帧提取单元，用于对采集到的视频进行视频帧间隔提取，得到隧道顶灯图像集合；

图像标记单元，用于采用LabelImg软件对所述隧道顶灯图像集合中的隧道顶灯进行标记；

格式转换单元，用于将标记后的隧道顶灯图像处理为PascalVOC格式，得到所述隧道顶灯检测图像的数据集；

所述改进定位损失函数具体为边角对齐宽高相似损失函数，包括边重叠损失、角距离损失以及宽高比损失；

所述边角对齐宽高相似损失函数公式为：

L_SCA＝L_SO+αL_CD+L_AR

其中，L_SCA为边角对齐宽高相似损失函数，L_SO为边重叠损失，L_CD为角距离损失，L_AR为宽高比损失，α为权重系数。

5.根据权利要求4所述的基于改进定位损失函数的隧道顶灯故障检测系统，其特征在于，所述故障识别模块，具体包括：

坐标获取单元，用于获取两个连续发光顶灯的位置坐标；

计算单元，用于根据所述位置坐标计算两个连续发光顶灯的距离差；

判断单元，用于判断所述距离差是否大于设定阈值，当所述距离差大于设定阈值时，则隧道顶灯出现故障。