一种基于图像识别的导电接头金属锈蚀检测方法与流程

本发明属于电力设备监测领域，尤其涉及一种基于图像识别的导电接头金属锈蚀检测方法。

背景技术：

1、在传统电力行业中，导电接头金属锈蚀检测是一个至关重要的领域。导电接头是连接电气设备并传输电能的重要环节，其正常运行直接关系到电力系统的安全和稳定。金属锈蚀是导电接头长期使用后不可避免的问题，可能会导致接触电阻增加、传输能力下降，甚至引发火灾等严重后果。

2、传统的导电接头金属锈蚀检测通常依赖于人工巡检，这种方法存在以下一些问题：

3、人工巡检的局限性：人工巡检需要大量人力物力，费时费力，且容易受主观因素影响，检测效率低下。

4、检测准确性：人工巡检难以保证每个接头都能被仔细检查，可能会漏检或误检。

技术实现思路

1、本发明的技术目的是提供一种基于图像识别的导电接头金属锈蚀检测方法，以解决人工检查导电接头锈蚀存在各种局限性的问题。

2、为解决上述问题，本发明的技术方案为：

3、一种基于图像识别的导电接头金属锈蚀检测方法，包括如下步骤：

4、朝待检测目标物方向进行拍摄，获取相对应的场景画面，得到图片数据；

5、对图片数据利用改进后的simam-yolov8算法进行分割，获取将待检测目标物分割出来的分割图像；

6、基于改进后的gsconv-yolov8算法对分割图象进行金属锈蚀检测，并生成相应的导电接头金属锈蚀检测结果；

7、重复上述若干轮步骤后，得到有效的导电接头的金属锈蚀信息；

8、其中，改进后的simam-yolov8算法包括骨干网络、颈部网络、头部网络和无锚机制，并在yolov8模型中引入轻量级的注意力机制simam，通过模拟注意力机制来增强特征表示的质量；

9、改进后的gsconv-yolov8算法包括骨干网络、颈部网络、头部网络和无锚机制，并在yolov8模型中引入gsconv的新型卷积操作，gsconv被插入到yolov8模型中的各个特征提取和融合模块中，进而提升特征表示的质量。

10、其中，得到图片数据具体包括：调用摄像头转向待检测目标物所处位置，记录位置坐标；开始图片拍摄，得到图片数据，并将图片数据、回调接口和ai参数发送给ai平台执行图像分割以及金属锈蚀检测。

11、其中，对图像数据利用改进后的simam-yolov8算法进行分割具体为：对图片数据进行解码，并进行尺度缩放和标准化预处理，生成一组图像数据；将图像数据送入改进后的simam-yolov8算法进行处理，图像数据中所需要关注的导电接头位置的像素区域与背景像素区域分割出来，并为其分配与导电接头相关联的语义标签。

12、具体地，在simam-yolov8算法中采用adam算法自适应优化学习率，通过计算梯度的一阶矩估计和二阶矩估计来调整各个参数的学习率，其计算公式分别为：

13、

14、

15、其中，为当前梯度，为衰减系数，分别设置为0.8和0.95；

16、当一阶矩估计和二阶矩估计的初始值为0时偏差大，需要进行修正，修正初始偏差的公式分别为：

17、

18、

19、adam算法的参数公式如下：

20、

21、其中，为当前参数，为学习率，设置为0.0005，为小常数。

22、其中，基于改进后的gsconv-yolov8算法对分割图像进行金属锈蚀检测具体为：利用改进后的gsconv-yolov8算法对输入的分割图像进行处理，通过检测框检测并框出存在锈蚀可能性的金属区域，得到每个检测出的金属区域的位置和类别信息，生成带有标注的图像；对带有标注的图像中的金属区域进行裁剪，得到多个图像块；将多个图像块依次进行锈蚀处理，对每个图像块中的锈蚀区域特征，包括锈蚀面积和锈蚀位置，由此判断导电接头是否锈蚀。

23、具体地，gsconv-yolov8算法的参数设置如下：

24、输入的分割图像的分辨率设置为640；设置初始的检测框大小，anchor_scale=2.5；选择large模型增大感受野，将网络深度depth_multiple调整至0.5；降低预测框和真实框的匹配程度，将iou阈值设定为0.4；提高正负样本权重，设定分类损失cls_pw=1.2和目标损失权重obj_pw=1.5；启用数据增强，将随机裁剪设为0.3，缩放设为0.5，旋转设为30，上下翻转设为0.7，左右翻转设为0.7，色彩转换hsv_h=0.011148，hsv_s=0.53554，hsv_v=0.13636；初始学习率lr0=0.00269，最终学习率lrf=0.00288，减小权重衰减weight_decay=0.00015；延长轮次设定为600。

25、一种计算机设备，包括存储器和处理器，存储器中存储有计算机可读指令，计算机可读指令被处理器执行时，使得处理器执行如上述的基于图像识别的导电接头金属锈蚀检测方法。

26、一种存储有计算机可读指令的存储介质，计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行如上述的基于图像识别的导电接头金属锈蚀检测方法。

27、本发明由于采用以上技术方案，使其与现有技术相比具有以下的优点和积极效果：

28、本发明通过在yolov8模型中引入轻量级的注意力机制simam，可以在不显著增加计算开销的情况下，增强特征表示，提升检测精度。这使得 yolov8 在实时性和准确性方面表现更为突出。simam是一种轻量级的注意力机制，旨在通过简单的操作提高特征表示的质量，simam 可以在 yolov8 中改进特征提取和融合过程。其通过简单的算术操作（如加法、乘法）实现注意力机制，不增加显著的计算开销，适合在yolov8 这样的实时检测模型中应用。simam 通过对每个通道的特征进行自适应调整，能够突出更重要的特征，压制无关或冗余的信息，从而提升特征表示的质量。由于特征表示更为精细和准确，simam 可以帮助yolov8 提高目标检测的精度，特别是在复杂场景或遮挡情况下。

29、本发明还在yolov8算法中引入gsconv的新型卷积操作，gsconv结合组卷积和通道洗牌技术，增强了特征之间的交互，使得模型能够更好地捕捉图像中的高阶特征和细节信息，从而提升特征提取的质量。通过通道洗牌，gsconv在特征融合过程中打破了组卷积的限制，确保了不同特征之间的充分交互，提升了特征表示的多样性和完整性。gsconv的引入使得模型在处理复杂背景和高维特征时表现更佳，显著提升了目标检测的精度和可靠性。尽管引入了新的卷积操作，gsconv的计算成本较低，不会显著增加模型的计算开销，保持了yolov8高效的实时检测能力。gsconv-yolov8算法模型能够在各种复杂场景下，如实时检测和高精度离线处理任务中，都表现出更强的性能优势，提供更加准确和可靠的导电接头金属锈蚀检测结果。

技术特征：

1.一种基于图像识别的导电接头金属锈蚀检测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于图像识别的导电接头金属锈蚀检测方法，其特征在于，所述得到图片数据具体包括：调用摄像头转向待检测目标物所处位置，记录位置坐标；开始图片拍摄，得到图片数据，并将图片数据、回调接口和ai参数发送给ai平台执行图像分割以及金属锈蚀检测。

3.根据权利要求1所述的基于图像识别的导电接头金属锈蚀检测方法，其特征在于，所述对图像数据利用改进后的simam-yolov8算法进行分割具体为：对图片数据进行解码，并进行尺度缩放和标准化预处理，生成一组图像数据；将图像数据送入改进后的simam-yolov8算法进行处理，图像数据中所需要关注的导电接头位置的像素区域与背景像素区域分割出来，并为其分配与导电接头相关联的语义标签。

4.根据权利要求3所述的基于图像识别的导电接头金属锈蚀检测方法，其特征在于，在simam-yolov8算法中采用adam算法自适应优化学习率，通过计算梯度的一阶矩估计和二阶矩估计来调整各个参数的学习率，其计算公式分别为：

5.根据权利要求1所述的基于图像识别的导电接头金属锈蚀检测方法，其特征在于，所述基于改进后的gsconv-yolov8算法对分割图像进行金属锈蚀检测具体为：利用改进后的gsconv-yolov8算法对输入的分割图像进行处理，通过检测框检测并框出存在锈蚀可能性的金属区域，得到每个检测出的金属区域的位置和类别信息，生成带有标注的图像；对带有标注的图像中的金属区域进行裁剪，得到多个图像块；将多个图像块依次进行锈蚀处理，对每个图像块中的锈蚀区域特征，包括锈蚀面积和锈蚀位置，由此判断导电接头是否锈蚀。

6.根据权利要求5所述的基于图像识别的导电接头金属锈蚀检测方法，其特征在于，gsconv-yolov8算法的参数设置如下：

7.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行如权利要求1至6任意一项所述的基于图像识别的导电接头金属锈蚀检测方法。

8.一种存储有计算机可读指令的存储介质，其特征在于，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行如权利要求1至6任意一项所述的基于图像识别的导电接头金属锈蚀检测方法。

技术总结
本发明公开了一种基于图像识别的导电接头金属锈蚀检测方法：朝待检测目标物方向进行拍摄，获取相对应的场景画面，得到图片数据。对图片数据利用改进后的SimAM‑Yolov8算法进行分割，获取将待检测目标物分割出来的分割图像。基于改进后的GSconv‑Yolov8算法对分割图象进行金属锈蚀检测，并生成导电接头金属锈蚀检测结果。重复上述若干轮步骤，得到有效的导电接头的金属锈蚀信息。引入轻量级的注意力机制SimAM，在不显著增加计算开销增强特征表示，提升检测精度，在实时性和准确性方面表现。引入卷积操作GSConv，其结合组卷积和通道洗牌技术，增强特征之间的交互，更好地捕捉图像中的高阶特征和细节信息，从而提升特征提取的质量，提供更加准确和可靠的导电接头金属锈蚀检测结果。

技术研发人员：林启立,凌万水,郭伟,戴红娟,王谨怡,刘卫康,刘娟,吴典胜,丁宝,范珩沅
受保护的技术使用者：江苏金智科技股份有限公司
技术研发日：
技术公布日：2025/1/16