一种基于改进YOLOv5的医用球囊缺陷检测方法与流程

本发明属于医用球囊检测，具体涉及一种基于改进yolov5的医用球囊缺陷检测方法。

背景技术：

1、球囊导管是一种特殊的精密导管，也是临床应用最多的一类导管。医用球囊被开发用于扩张身体许多部位的限制和阻塞，包括：食道扩张，肠道扩张，尿道扩张，输卵管扩张，泪管扩张，腕管扩张等。球囊扩张技术是一种内科方法，能够替代传统的外科手术。相比于外科手术，球囊导管扩张治疗具有创伤小、操作简便、扩张效果良好、并发症少和复发率低等优点。此外，对于一些全身状态较差无法接受外科手术的患者，球囊导管扩张治疗也可以改善其身体状况，为其接受外科手术治疗创造机会。鉴于球囊导管应用于手术操作，其品质要求极高，一旦出现瑕疵，可能导致球囊破裂等严重问题，严重影响手术效果及患者健康。此外，医用球囊的缺陷检测主要依赖人工操作，效率低下且工作量巨大。因此，设计一种高效的医用球囊缺陷检测方法意义重大。

2、医用球囊的材质普遍是透明的，传统的透明物体表面缺陷检测算法通常利用目标区域的纹理和几何特征来将背景与目标分离，然后通过选取适当的特征参数来判断缺陷类型。其适用于具有良好检测背景和规则形状的情况，对于具有复杂几何形状的医用球囊不能适用。

技术实现思路

1、本发明的目的是提出一种基于改进yolov5的医用球囊缺陷检测方法，在医用球囊缺陷检测时在保重检测精度的情况下，实现更快的检测速度，且可以做到更轻量，更易于部署在医用球囊缺陷检测系统中。

2、本申请提供一种基于改进yolov5的医用球囊缺陷检测方法，包括以下步骤：

3、步骤s1：获取医用球囊图像数据；

4、步骤s2：构建医用球囊缺陷数据集，并将数据集按照7:2:1分为训练集、验证集和测试集；

5、步骤s3：构建医用球囊缺陷检测模型fcc-yolov5；

6、步骤s4：对构建的fcc-yolov5模型进行训练；

7、步骤s5：采用训练好的fcc-yolov5模型进行医用球囊缺陷检测。

8、在本申请的一实施例中，所述步骤s2中构建医用球囊缺陷数据集包括：

9、将缺陷标签分为杂质、毛屑、粘模、夹边，使用标注工具labelme进行标注，生成json文件，完成数据集构建。

10、在本申请的一实施例中，所述步骤s3中构建医用球囊缺陷检测模型fcc-yolov5包括：

11、在yolov5s的基础上用fasternet网络结构替换yolov5s的骨干网络backbone，用carafe上采样模块进行上采样，以及添加ca注意力机制。

12、在本申请的一实施例中，所述用fasternet网络结构替换yolov5s的骨干网络backbone的方法包括：

13、fasternet包括四个层级阶段，每个阶段之前都有一个嵌入层或一个融合层；每个阶段由多个fasternet块组成，每个块包含一个部分卷积层和一对点卷积层，每个部分卷积操作后都应用了归一化层和激活层；采用群组归一化进行归一化操作，选择relu作为激活函数，平衡效率和准确性；最后三层包括一个平均池化层，一个1×1卷积层和一个全连接层；输入图像经过一系列特征提取，最终得到多尺度的特征图。

14、在本申请的一实施例中，所述用carafe上采样模块进行上采样的方法包括：

15、carafe上采样模块包括核预测模块和重组模块；

16、通过1x1卷积核将输入的特征图从h×w×c降维到h×w×cm；

17、使用卷积操作将通道数从cm转换为σ2×kup2以进行内容编码，其中σ是上采样倍率，kup是上采样核的大小；

18、利用pixelshuffle方法按顺序重组特征图的高度、宽度和通道数，生成σh、σw、kup×kup的预测上采样核，并对其进行softmax归一化处理；

19、在特征重组阶段，将输出特征图中的每个位置映射回输入特征图，以中心为基准提取kup×kup的原特征图区域，并与预测的上采样核进行点积运算；

20、同一位置的不同通道共享相同的上采样核，最终生成σh×σw×c的新特征图。

21、在本申请的一实施例中，所述添加ca注意力机制的方法包括：

22、输入特征任意张量大小为x＝[x1,x2,...,xc],其中c、h、w分别表示特征图的通道数、高度、宽度；

23、将全局平均池化分解；

24、对于输入特征尺寸为c×h×w的特征图，分别应用公式(1)和公式(2)对水平和垂直方向进行池化，生成大小为c×h×1和c×1×w的特征图zh和zw；公式如下：

25、

26、将生成的特征图在第三维度中两个带有特定方向信息的特征图进行concat操作；

27、利用1x1卷积进行降维操作,然后非线性激活函数生成中间特征向量f＝r(c/r)×1×(h+w)包含水平和空间垂直信息；其中r为通道过程中下采样比例；

28、沿着空间维度将f进行split操作,生成两个特征向量fh＝r(c/r)×h×1和fw＝r(c/r)×1×w；

29、再分别利用1x1卷积进行升维操作后,再结合激活函数sigmoid得到的注意力向量gh＝rc×h×1和gw＝rc×1×w。

30、在本申请的一实施例中，所述步骤s5中采用训练好的fcc-yolov5模型进行医用球囊缺陷检测包括：

31、将fcc-yolov5模型部署到qt软件内，对采集到的医用球囊图像实时显示缺陷情况。

32、本发明的有益效果是：本发明的基于改进yolov5的医用球囊缺陷检测方法，在医用球囊缺陷检测时在保重检测精度的情况下，实现更快的检测速度，且可以做到更轻量，更易于部署在医用球囊缺陷检测系统中；引入fasternet网络代替主干网络，在保证检测精度的情况下，大幅轻量化网络，提高检测速度；引入carafe算子替换模型原始的上采样算，可以针对不同的特征生成不同的上采样核，从而更好地关注全局特征图中的特征分布，提高重要特征的权重；相较于传统插值上采样方法，carafe上采样方法在略微增加参数量的情况下，通过提高特征图的重建质量，提高了网络对特征的提取能力和对重要特征的识别能力。

33、本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。

34、为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

技术特征：

1.一种基于改进yolov5的医用球囊缺陷检测方法，其特征在于，包括以下步骤：

2.如权利要求1所述的医用球囊缺陷检测方法，其特征在于，

3.如权利要求1所述的医用球囊缺陷检测方法，其特征在于，

4.如权利要求3所述的医用球囊缺陷检测方法，其特征在于，

5.如权利要求3所述的医用球囊缺陷检测方法，其特征在于，

6.如权利要求3所述的医用球囊缺陷检测方法，其特征在于，

7.如权利要求1所述的医用球囊缺陷检测方法，其特征在于，

技术总结
本发明属于医用球囊检测技术领域，具体涉及一种基于改进YOLOv5的医用球囊缺陷检测方法。该检测方法包括以下步骤：获取医用球囊图像数据；构建医用球囊缺陷数据集，并将数据集按照7:2:1分为训练集、验证集和测试集；构建医用球囊缺陷检测模型FCC‑YOLOv5；对构建的FCC‑YOLOv5模型进行训练；采用训练好的FCC‑YOLOv5模型进行医用球囊缺陷检测。本发明的FCC‑YOLOv5在YOLOv5s的基础上将骨干网络Backbone部分替换为FasterNet，通过减少冗余计算和内存访问实现模型的轻量化,并且具有更快的检测速度；使用CARAFE上采样模块，CARAFE使用自适应重组的上采样核进行上采样，增大感受野，提高了特征图的重建质量；网络集成CA注意力机制，以增强对关键特征的捕捉和识别能力。

技术研发人员：洪杏桃,范家琪,邹虎风,吴全玉
受保护的技术使用者：江苏常美医疗器械有限公司
技术研发日：
技术公布日：2024/10/24