(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210447725.X (22)申请日 2022.04.26 (71)申请人 江苏云鹏信息科技有限公司 地址 210000 江苏省南京市江北新区商务 别墅A3幢 (72)发明人 陈丹　赵景　陆坚红　 (74)专利代理 机构 江苏长德知识产权代理有限 公司 32478 专利代理师 汤小权 (51)Int.Cl. G06V 10/25(2022.01) G06V 10/44(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) (54)发明名称 一种基于AI深度学习的卸油区防滑塞和静 电夹的检测方法与系统 (57)摘要 本发明公开了一种基于AI深度学习的卸油 区防滑塞和静电夹的检测方法与系统， 其中， 方 法包括以下步骤： (1)通过摄像头装置抓回卸油 区视频流， 并对视频流进行进行图像编解码处 理； (2)将解码后的图像 经mosica,perspective, 缩放， 拼接等操作来实现图像增强； (3)将经过增 强的训练数据集输入到改进后的yolov5算法中 训练模型； (4)依据模型输出结果识别油罐车接 地静电夹是否链接车体， 防滑塞是否正确放入。 本发明， 该改进算法应用在防滑塞和油罐车接地 静电夹这种很小的物体上， 模型识别精度得到了 很大的提高。 最后将我们的算法模 型集成到嵌入 式设备中形成实时智能检测系统， 减少加油站工 作台人员在油罐车卸油时不安全隐患， 避免出现 这种大型的安全 事故。 权利要求书2页 说明书5页 附图4页 CN 114821041 A 2022.07.29 CN 114821041 A 1.一种基于AI深度学习的卸油区防滑塞和静电夹的检测方法， 其特征在于， 包括如下 步骤： (1)将摄像头装置实时获取的视频流 转为图片； (2)将卸油区的图片进行 预处理； (3)将预处理后的卸油区的图片经过改进的yolov5网络训练出的模型进行卸油区防滑 塞， 静电夹识别； (4)通过模型输出经过后处理算法， 判断是否有在指定区域放置防滑塞， 静电夹， 如果 没有按规范操作， 给予告警。 2.根据权利要求1所述的一种基于AI深度学习的卸油区防滑塞和静电夹的检测方法， 其特征在于， 得到改进的YOLOv5网络训练模型的步骤为： (1)通过采集摄 像头视频流处 理后的图片， 建立标注后的训练数据集； (2)通过图像增强技 术对卸油区图片进行 预处理； (3)通过数据集对改进的YOLOv5算法进行模型训练， 得到改进的YOLOv5算法训练的模 型。 3.根据权利要求2所述的一种基于AI深度学习的卸油区防滑塞和静电夹的检测方法， 其特征在于， 对特 征增强的YOLOv5网络模型进行训练的步骤为： (1)将卸油区图像经 过Focus结构， CS P结构， 获得 特征图； (2)通过FPN+PAN网络结构对特征图进行融合并进行卸油区防滑塞， 静电夹位置和类别 预测； (3)使用GIOU_L oss来计算训练过程中的预测值与真实标注数据的差值。 4.根据权利要求3所述的一种基于AI深度学习卸油区防滑塞和静电夹的检测方法， 其 特征在于， 获得 特征图的步骤为： (1)通过图片的切片操作改变图片矩阵的特 征维度； (2)通过修改csp结构中的残差结构， 在不加深网络深度的基础上增加了更多可用来表 达图片特 征的参数； (3)在改进的残差网络中使用prelu激活函数， 使训练参数损失下降更为平 滑。 5.一种基于AI深度学习的卸油区防滑塞和静电夹检测系统， 其特 征在于， 包括： (1)图像获取模块， 用于对摄 像头视频流解码来获取实时卸油区图像； (2)图像处 理模块， 用于将获取的卸油区图像进行 预处理； (3)卸油区防滑塞和静电夹检测模块， 用于将预处理后的卸油区图像经过改进的 YOLOv5算法训练模型， 然后进行图像内防滑塞， 静电夹识别； (4)后处理告警模块， 用于将是否在指定区域放置 防滑塞， 静电夹， 如果没有按规范操 作， 给予告警。 6.根据权利要求5所述的一种基于AI深度学习卸油区防滑塞和静电夹的检测系统， 其 特征在于， 对摄 像头视频流解码来获取实时卸油区图像包括： 对摄像头视频流解码以获取卸油区的高清图片。 7.根据权利要求5所述的一种基于AI深度学习卸油区防滑塞和静电夹的检测系统， 其 特征在于， 将获取的卸油区图像进行 预处理包括： (1)使用Mosaic数据增强、 自适应锚框计算、 自适应图片缩放 来增强训练数据集；权　利　要　求　书 1/2 页 2 CN 114821041 A 2(2)自适应锚框计算 通过在模型训练时， 通过训练预测结果自适应调整候选 框的大小。 8.根据权利要求5所述的一种基于AI深度学习卸油区防滑塞和静电夹的检测系统， 其 特征在于， 将预处理后的卸油区图像经过改进的YOLOv5算法训练模型， 然后进行图像内防 滑塞， 静电夹识别包括： (1)通过将卸油区图片经 过训练模型中的Focus结构， CS P结构获取图片的特 征图； (2)再将特 征图通过 FPN+PAN网络结构对特 征图进行融合， 预测类别 信息和坐标位置； (3)通过我们改进的nms算法将不同类别的候选框在空间中离散化分布， 分别 对同一类 别的物体的坐标位置进行nm s处理， 得到每 个类别最优坐标位置 。权　利　要　求　书 2/2 页 3 CN 114821041 A 3