专利交易市场

本发明属于图像目标检测技术领域，涉及一种基于YOLOv9和扩散模型的输电线路异物检测方法，通过获取输电线路异物图像并进行数据标注，得到输电线路异物图像数据集；利用文生图扩散模型进行多模态数据增强，得到数据增强后的图像数据集，并划分为训练集及验证集；使用公共数据集对改进YOLOv9模型进行预训练；将训练集输入预训练后的改进YOLOv9模型进行训练，得到输电线路异物检测模型；将输电线路异物检测模型配置到边缘设备上实现输电线路异物检测。本发明使用文生图扩散模型进行多模态数据增强，扩充了模型训练数据量，并改进了YOLOv9模型，提高了输电线路异物检测性能。

本发明公开的属于深度学习目标检测与输电线路异物结合技术领域，具体为一种基于SCSM‑YOLOv8的输电线路异物检测算法，包括具体步骤如下：创建一个用于输电线路异物检测的自定义数据集，并通过随机抽样的方法将其划分为三个部分：训练集、验证集和测试集，其比例为70％、20％和10％；在主干结构中，设计SDM模块，使用设计的可切换扩张卷积SDconv替换原C2f的标准卷积，扩大感受野，提高算法的特征提取能力；在主干结构中，设计CSPPFS模块，在SPPF中引入CBAM注意力机制和SimAM注意力机制，在不增加参数量和计算量的前提下，提高目标检测性能。本发明通过使用SDM模块、CSPPFS模块和SSFFE模块显著提升了算法的检测效果。

本发明涉及图像处理技术领域，具体涉及一种基于图像增强处理的医药异物检测方法，包括：采集胸部CT图像，通过滑动窗口在原图像上的每一个像素点上进行滑动，根据滑动窗口内像素点的梯度变化获得每一个像素点的调整系数；通过滑动窗口在目标像素点的不同方向上进行滑动，根据目标窗口与滑动窗口之间的梯度方向的差异获得窗口之间的相似性；进而获得运动模糊方向；根据运动模糊方向上滑动窗口与目标窗口的差异获得修正调整系数；根据修正调整系数对内核参数进行调整；使得在使用Lanczos插值算法对原图像进行超分辨率重建时的效果更好，提高图像增强的效果，便于后续对于CT图像中异物的检测。