[發明專利]一種基于Attention+YOLOv3的空調外機圖像智能檢測方法、設備及介質

在審

• 申請號: 202110451367.5
• 申請日: 2021-04-26
• 公開（公告）號: CN113139945A
• 公開（公告）日: 2021-07-20
• 發明（設計）人: 張海霞;狄子鈞;袁東風
• 申請（專利權）人: 山東大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 濟南金迪知識產權代理有限公司 37219
• 代理人: 楊樹云

本發明涉及一種基于Attention+YOLOv3的空調外機圖像智能檢測方法、設備及介質，包括：(1)數據采集；(2)數據預處理；(3)構建Attention+YOLOv3模型；(4)訓練：將訓練集輸入Attention+YOLOv3模型中，訓練結束后得到權重文件；(5)測試；(6)邊緣服務器端及云平臺部署；(7)實時檢測并更新訓練。本發明采用YOLOv3對空調外機圖像進行目標檢測，將目標檢測算法應用于空調外機畫像檢測工業場景。在YOLOv3主體網絡DarkNet?53的殘差單元中引入Attention機制，增強特征圖的表達能力，從而提高模型識別目標的能力。

技術領域

本發明涉及空調外機圖像智能檢測技術領域，特別涉及一種5G云邊協同模式下的基于Attention+YOLOv3的空調外機圖像智能檢測方法、設備及存儲介質。

背景技術

由于空調外機型號的差異，所貼圖標會有所不同，配套使用的連接管種類也不同。在當前，企業仍使用人工檢測的方法，這種檢測方法耗時耗力，并且有時因員工自身原因可能會產生誤差。在工業互聯網的背景下，我們希望減少直接接觸，導入更多人工智能參與的環節，我們將神經網絡應用于圖像目標檢測，取代傳統的依靠人工進行檢測的方法，從而可以實時快速地判斷該產品的配套連接管與圖標是否準確，同時向工廠實時反饋結果，高效率、低成本地完成空調外機檢測，從而更有效地管理產線，增強靈活性，降低生產成本，提升企業效益。目前為止，空調外機圖像的相關智能檢測技術還很少，我們期待研究相關技術并應用于該場景。

目前，目標檢測被廣泛應用于人臉檢測、車輛檢測、行人檢測等許多領域，特別是隨著深度卷積神經網絡在計算機視覺領域的深入研究，以YOLO算法為代表的實時目標檢測模型在實際應用場景中產生了很好的效果。YOLOv3的主體網絡采用DarkNet-53對輸入圖像進行特征提取，整個特征提取網絡完全由卷積層組成，但由于卷積神經網絡對圖像的全部特征做等價處理，不能將目標區域與背景區域很好的區分開來，可能產生檢測失誤與檢測遺漏?？梢詤⒖既说囊曈X，有選擇地分配注意力，給輸入的不同部分分配不同的權重，就能選擇性地從圖片或視頻中提取到需要引起注意的區域?？梢岳米⒁饬C制模型提取圖像中目標關注區域的特征，這個概念已被應用于視覺識別和分類領域。在空調外機圖像智能檢測問題中，我們關注管口顏色與圖標。

在工業互聯網快速發展的背景下，新型工業互聯網平臺融合了云計算、邊緣計算等新興技術實現云邊協同，在云端部署研發算法。邊緣服務器部署在接入網關的邊緣側，將云端的部分計算、存儲能力擴展到邊緣節點上。中心云與邊緣服務器協同對全網算力進行調度和統一管控，提高產線效率。

同時，隨著5G大規模商用和邊緣計算的快速發展，利用5G通信大帶寬、廣連接、低時延的特性，可以解決工業現場布線復雜的問題，有效提高工業設備部署的靈活性，助力企業“5G+工業互聯網”的工業轉型升級。

發明內容

針對空調外機圖像智能檢測問題，本發明提出了一種5G邊云協同模式下的基于Attention+YOLOv3的空調外機圖像智能檢測方法。

原始YOLOv3的主干網絡DarkNet-53中包含多層殘差單元，殘差單元中的殘差連接將單元的輸入與單元的輸出直接做線性融合，在前向過程中幫助網絡中的特征進行恒等映射，在反向過程中幫助傳導梯度，從而提升網絡的性能。本發明在殘差單元中加入注意力機制，改進原殘差連接直接相乘的加權方式，將具有注意力機制的權重加權到卷積后的特征圖上，對目標區域的特征加以權重，從而可以更好的定位至待檢測的目標上。

本發明還提供了一套完整的基于5G云邊協同模式下的空調外機檢測系統架構，采用云邊協同的模式，利用中心云平臺完成數據存儲、大數據分析和算法訓練優化，同時將智能算法下發到邊緣服務器端，賦能邊緣端設備，解決模型自優化更新的問題，完成自主學習的閉環。通過5G通信手段，采用5G工業組網，將邊緣服務器與云平臺之間進行通信連接，實現5G環境下的空調外機智能檢測通信環境。