[发明专利]基于YOLOv3剪枝网络和深度学习去雾模型的长输管线巡检方法有效
| 申请号： | 202010173558.5 | 申请日： | 2020-03-13 |
| 公开（公告）号： | CN111461291B | 公开（公告）日： | 2023-05-12 |
| 发明（设计）人： | 王伟峰;姚涵文;邓军;李钊;刘强;王志强;张方智;路翠珍;张宝宝;杨博 | 申请（专利权）人： | 西安科技大学 |
| 主分类号： | G06N3/0464 | 分类号： | G06N3/0464;G06N3/082;G06T5/00;G06F16/51;G06F18/23213 |
| 代理公司： | 西安众星蓝图知识产权代理有限公司 61234 | 代理人： | 张恒阳 |
| 地址： | 710054 陕*** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于一种基于深度学习的图像处理技术，具体涉及基于YOLOv3剪枝网络和深度学习去雾模型的长输管线巡检方法。包括如下步骤：步骤一：构建并训练AOD‑Net去雾网络模型；步骤二：设计YOLOv3主干网络及损失函数；步骤三：通过无人机巡检方式对目标区域进行图像数据采集并进行训练；步骤四：通过基于BN层缩放因子γ剪枝方法对YOLOv3模型压缩和加速推算；步骤五：将AOD‑Net及YOLOv3联合模型部署到无人机嵌入式模块进行目标任务检测；步骤六：将无人机长输管线巡检任务检测结果实时回传至后台系统。本发明用于部署在无人机嵌入式模块上进行长输管线巡检工作，在保证检测精度高、实时性好以及效率高的同时，大大降低了人工成本。 | ||
| 搜索关键词： | 基于 yolov3 剪枝 网络 深度 学习 模型 管线 巡检 方法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于西安科技大学，未经西安科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202010173558.5/，转载请声明来源钻瓜专利网。
