[发明专利]一种基于改进YOLOv5的港口集装箱损伤检测方法及系统

权利要求书

1.一种基于改进YOLOv5的港口集装箱损伤检测方法，其特征在于，包括以下步骤：

S1：对获取到的港口集装箱损伤图像进行预处理和标注，划分为训练集和测试集；所述标注的过程为：对获取的港口集装箱损伤图像进行损伤类型与损伤位置的标注，将港口集装箱损伤图像分为：箱体形变、破洞、锈蚀、凹凸磕碰、裂缝、箱门打开和集装箱堆垛坍塌七种类型；

S2：改进YOLOv5模型：以YOLOv5模型为基本架构，构造损伤检测模型，在Backbone网络结构中最后一层之后加入CBAM注意力机制；在Neck网络结构中加入BiFPN网络来进行目标特征的融合；设置损失函数EIOU Loss替代原YOLOv5网络中定位损失函数GIOU Loss；

S3：利用训练集对损伤检测模型进行训练，直到所述损伤检测模型的目标损失函数收敛，以获得训练好的损伤检测模型；

S4：利用训练好的损伤检测模型对测试集进行检测，输出港口集装箱损伤图像检测结果，计算平均精度AP和平均精度均值mAP。

2.根据权利要求1所述一种基于改进YOLOv5的港口集装箱损伤检测方法，其特征在于，在步骤S1中，所述港口集装箱损伤图像为以下图像数据集中的一种或多种：Kaggle平台公开的集装箱数据集；以集装箱和损坏特征为关键字的开源数据库中搜索的集装箱数据集；港口集装箱堆场现场拍摄采集的集装箱数据集：白天在自然光条件下拍摄，晚上在夜间补光条件下拍摄的集装箱数据集；港口端口正常运行期间的监控视频，通过选择、截取和提取视频流中包含集装箱画面的关键帧获取的集装箱数据集。

3.根据权利要求2所述一种基于改进YOLOv5的港口集装箱损伤检测方法，其特征在于，在步骤S1中，采用Labelimg软件对获取的港口集装箱损伤图像进行损伤类型与损伤位置的标注，生成数据集，将数据集按照9：1的比例划分训练集和测试集；所述预处理为亮度调节、数据旋转、水平翻转、添加噪声和平移操作中的一种或多种。

4.根据权利要求3所述一种基于改进YOLOv5的港口集装箱损伤检测方法，其特征在于，在步骤S2中，所述EIOU损失函数为：

式中，IOU表示预测框与真实框的交集和并集之比；ρ²(b，b^gt)表示预测框与真实框间的欧氏距离；p²(w,w^gt)和P²(h，h^gt)分别为示预测框与真实框的宽、高之间的欧氏距离；c表示预测框与真实框最小外接矩形的对角线距离；c_w、c_h分别为预测框与真实框的最小外接矩形的宽、高。

5.根据权利要求4所述一种基于改进YOLOv5的港口集装箱损伤检测方法，其特征在于，步骤S4中利用训练好的损伤检测模型对测试集进行检测，具体为：

S41：Backbone网络将输入的测试集中港口集装箱损伤图像进行特征提取，得到特征图F，对特征图F分别进行平均池化和最大池化，分别得到特征信息：全局平均池化向量和全局最大池化向量其中，C为特征图通道数，H为图像高度，W为图像宽度；

S42：将得到的全局平均池化向量和全局最大池化向量输入至两个全连接层MLP中，进行Sigmoid函数激活运算，得到通道注意力特征图M_c；

S43：将特征图F与所述通道注意力特征图M_c的乘积作为输入，分别进行平均池化和最大池化操作，得到特征信息：全局平均池化特征图和全局最大池化特征图并将特征信息和拼接，得到空间注意力特征图M_s；

S44：所述CBAM卷积注意力模块将所述通道注意力特征图M_c以及所述空间注意力特征图M_s依次进行通道注意力加权和空间注意力加权，得到注意力加权后的特征图F；

S45：注意力加权后的特征图F输入至Neck网络中使用BiFPN网络进行加权特征融合，得到融合特征图O；融合特征图O经过改进的YOLOv5模型预设的Detector网络输出后，得到港口集装箱损伤图像检测结果。