公开(公告)号：CN111104906A

公开(公告)日：2020-05-05

申请号：CN201911321192.5

申请日：2019-12-19

Applicant: 南京工程学院

Inventor： 焦良葆 ,  杨波 ,  曹雪虹 ,  祁婕 ,  秦嘉

IPC: G06K9/00 ,  G06K9/62

Abstract: 一种基于YOLO的输电塔鸟巢故障检测方法，属于计算机视觉技术领域。本发明的检测方法包括以下步骤：数据获取，无人机拍摄电力杆塔的图像，涵盖不同角度；将采集到的数据集进行标记，并按照8:2:1随机划分为训练集、验证集、测试集；通过K-means算法对标记得到的目标框进行聚类，得到改进后的锚点；通过YOLO神经网络对训练集、验证集进行训练，获取YOLO神经网络的最终模型；利用步骤四获取的YOLO神经网络检测模型对测试集进行检测。本发明相对于传统的YOLO分类网络，识别效率和准确率都更突出；检测速度快，能够满足电力线路无人机常态化巡检的应用需求；检测准确率高、鲁棒性强、速度快。

公开(公告)号：CN110852283A

公开(公告)日：2020-02-28

申请号：CN201911109583.0

申请日：2019-11-14

Applicant: 南京工程学院

Inventor： 张嘉超 ,  秦嘉 ,  曹雪虹 ,  龙静 ,  焦良葆

IPC: G06K9/00 ,  G06K9/62

Abstract: 一种基于改进YOLOv3的安全帽佩戴检测与跟踪方法，涉及图像识别技术领域。本发明包括以下步骤：(1)数据准备并制作训练集；(2)构建改进YOLOv3-MobileNetV2目标检测模型；(3)通过安全帽佩戴检测模型进行视频流实时识别；(4)利用未佩戴安全帽的当前帧检测框状态，对下一帧的预测框的位置进行预测，再通过检测框与预测框的交并比进行匹配实现前后帧的关联，最终实现对未佩戴安全帽施工人员的跟踪并计数；(5)将未佩戴安全帽的检测框的中心点作为目标跟踪的轨迹点，完成跟踪轨迹的绘制。本发明实现了对安全帽佩戴检测及对未佩戴安全帽人员的跟踪计数，且大大提高原YOLOv3目标检测模型的检测速度及准确度。