CN120047776B 基于Retinex-DCE-YOLOv5s的隧道机电设备识别方法及系统 （浙江省交通运输科学研究院）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN120047776B(45)授权公告日2025.07.01

(21)申请号202510510950.7

(22)申请日2025.04.23

(65)同一申请的已公布的文献号申请公布号CN120047776A

(43)申请公布日2025.05.27

(73)专利权人浙江省交通运输科学研究院

地址310000浙江省杭州市西湖区大龙驹

坞705号

(72)发明人娄刃张天才姚佳娜何亚强傅鑫亮张冶芳韩霄金波

汪成立高介敦

(51)Int.CI.

GO6V10/774(2022.01)

GO6V20/52(2022.01)

GO6V10/764(2022.01)

GO6T5/90(2024.01)

G06T5/70(2024.01)

G06T7/90(2017.01)

(56)对比文件

CN116665011A,2023.08.29

CN118711038A,2024.09.27审查员吴海旋

(74)专利代理机构浙江得恒知识产权代理有限

公司33504专利代理师贾璐璐

权利要求书2页说明书11页附图8页

(54)发明名称

基于Retinex-DCE-YOL0v5s的隧道机电设备识别方法及系统

(57)摘要

CN120047776B本发明公开了基于Retinex-DCE-YOLOv5s的隧道机电设备识别方法及系统，其中涉及的识别方法，包括：S1.获取车辆巡检过程中收集的隧道机电设备图像；S2.采用Retinex-DCE对获取的设备图像进行亮度增强处理；S3.构建YOLOv5s网络，将YOLOV5s的主干网络中除去第一层卷积外的普通卷积替换为CoordConv卷积，同时在主干网络末端引入CBAM注意力机制，并在YOLOV5s的Head层增加检测头，得到改进的YOLOv5s网络模型；S4.将经过亮度增强处理后的设备图像输入至改进的YOLOv5s网络模型中进行训练，得到训练好的检测识别模型；S5.将待处理的设备图像

CN120047776B

获取车辆巡检过程中收集的隧道机电设备图像

获取车辆巡检过程中收集的隧道机电设备图像

采用Retinex-DCE对获取的设备图像进行亮度增强处理

构建YOLOv5s网络，将YOLOV5s的主干网络中除去第一

层卷积外的普通卷积替换为CoordConv卷积，同时在主

干网络末端引入CBAM注意力机制，并在YOLOV5s的Head

层增加检测头，得到改进的YOLOv5s网络模型

将经过亮度增强处理后的设备图像输入至改进的

YOLOv5s网络模型中进行训练，得到训练好的检

测识别模型

将待处理的设备图像输入至检测识别模型中进行处理，检测识别模型输出设备图像以及设备图像所处的位置、

设备的类别

S4

S1

S2

S3

S5

CN120047776B权利要求书1/2页

2

1.基于Retinex-DCE-YOLOv5s的隧道机电设备识别方法，其特征在于，包括：

S1.获取车辆巡检过程中收集的隧道机电设备图像；

S2.采用Retinex-DCE对获取的设备图像进行亮度增强处理；

S3.构建YOLOv5s网络，将YOLOV5s的主干网络中除去第一层卷积外的普通卷积替换为CoordConv卷积，同时在主干网络末端引入CBAM注意力机制，并在YOLOV5s的Head层增加检测头，得到改进的YOLOv5s网络模型；

将YOLOV5s的主干网络中除去第一层卷积外的普通卷积替换为CoordConv卷积具体为：

对输入的特征图添加两个坐标通道，分别表示每个像素的x坐标和y坐标；接着对添加坐标通道后的特征图进行普通卷积操作；

CBAM注意力机制包括通道注意力模块和空间注意力模块：

将特征图通过通道注意力模块进行处理，生成通道注意力图；将经过通道注意力模块处理后的特征图通过空间注意力模块进行处理，生成空间注意力图；将通道注意力图和空间注意力图相乘，生成最终输出特征；

在YOLOV5s的Head层增加检测头具体为：

对特征图进行上采样和下采样融合，生成不同尺度的特征图；在不同尺度的特征图上进行目标检测；

S4.将经过亮度增强处理后的