[發明專利]基于YOLOv5和IGCV3融合的輕量化齲損檢測系統及方法

在審

• 申請號: 202310243769.5
• 申請日: 2023-03-09
• 公開（公告）號: CN116309432A
• 公開（公告）日: 2023-06-23
• 發明（設計）人: 姚世紅;侯瑤瑤;王地
• 申請（專利權）人: 中國地質大學（武漢）
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06V10/774;G06V10/80
• 代理公司: 武漢知產時代知識產權代理有限公司 42238
• 代理人: 魏波

1.一種基于YOLOv5和IGCV3融合的輕量化齲損檢測系統及方法，其特征在于，所述方法包括：

收集齲齒數據，構建樣本數據集；

對所述樣本數據集進行預處理并分為訓練集、驗證集和測試集；

將目標檢測算法YOLOv5與輕量級網絡算法IGCV3融合，構建齲損檢測模型；利用所述訓練集和驗證集，對所述齲損檢測模型進行訓練和驗證；

利用驗證后的所述齲損檢測模型對待識別的所述測試集進行預測；

基于所述預測的結果輸出所述齲損檢測模型并部署到移動平臺用于齲損檢測。

2.根據權利要求1所述的方法，其特征在于，所述對所述樣本數據集進行預處理并分為訓練集、驗證集和測試集，包括：

使用標注工具對所述樣本數據集進行標注；

依據預設比例將標注后的所述樣本數據集劃分成訓練集、驗證集和測試集。

3.根據權利要求1所述的方法，其特征在于，所述將目標檢測算法YOLOv5與輕量級網絡算法IGCV3融合，構建齲損檢測模型，包括：

在深度學習框架中搭建所述YOLOv5s模型，構建目標檢測網絡；其中，所述目標檢測模型包括：輸入模塊，Backbone模塊，Neck模塊和Head模塊；

將所述IGCV3模塊融合到所述目標檢測網絡中，構建所述齲損檢測模型。

4.根據權利要求3所述的方法，其特征在于，所述方法還包括：

將所述IGCV3模塊替換所述Backbone模塊中的部分模塊，構成新的所述Backbone模塊的網絡結構如下：

第一層：Conv模塊，32個大小為6×6的卷積核，步長為2，得到特征為320×320×32的數據；

第二層：Conv模塊，64個大小為3×3的卷積核，步長為1，得到特征為160×160×64的數據；

第三層：重復3個C3模塊，64個大小為3×3的卷積核，步長為1，得到特征為160×160×64的數據；

第四層：Conv模塊，128個大小為3×3的卷積核，步長為2，得到特征為80×80×128的數據；

第五層：重復6個C3模塊，128個大小為3×3的卷積核，步長為1，得到特征為80×80×128的數據；

第六層：IGCV3模塊，256個卷積核，步長為2，擴征系數為2，得到特征為40×40×256的數據；

第七層：重復9個IGCV3模塊，256個卷積核，步長為1，擴征系數為2，得到特征為40×40×256的數據；

第八層：IGCV3模塊，512個卷積核，步長為2，擴征系數為2，得到特征為20×20×512的數據；

第九層：重復3個IGCV3模塊，512個卷積核，步長為1，擴征系數為2，得到特征為20×20×512的數據；

第十層：SPPF模塊，3×3的池化窗，步長為1，得到特征為20×20×512的數據。