(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 202211025122.7 (22)申请日 2022.08.25 (71)申请人 杭州恒胜电子科技有限公司 地址 310013 浙江省杭州市西湖区智汇众 创中心2号楼501室 【1】 (72)发明人 赵建伦　严成才　张章　谢玉成　 赵毅恒　黄晟　何茂丽　张乐心　 杨炜锋　 (74)专利代理 机构 北京维正专利代理有限公司 11508 专利代理师 李继乾 (51)Int.Cl. G06V 20/00(2022.01) G06V 10/26(2022.01) G06V 10/32(2022.01)G06V 10/40(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种目标检测方法、 装置、 设备和介质 (57)摘要 本申请涉及一种目标检测方法、 装置、 设备 和介质， 其方法包括： 获取待检测图片； 其中， 待 检测图片 包括电力信息图像； 对待检测图片进行 特征提取， 得到多个不同大小的第一特征图； 对 多个不同大小的第一特征图进行自适应注意力 计算， 得到多个不同尺度的第二特征图； 对多个 不同尺度的第二特征图进行特征融合， 得到融合 特征图； 对融合特征图进行多个电力信息的故障 状态检测， 得到检测结果。 进行自适应注意力计 算， 使得不同尺度的第二特征图具有丰富的多尺 度上下文信息， 在一定程度上缓解了由于通道数 减少而造成的信息丢失， 提高了目标检测的精 度。 权利要求书2页 说明书14页 附图5页 CN 115311542 A 2022.11.08 CN 115311542 A 1.一种目标检测方法， 其特 征在于， 包括： 获取待检测图片； 其中， 待检测图片包括电力信息图像， 其中， 电力信息图像包括以下 任意一种或者多种： 电流端子图像、 电压端子图像、 出口端子图像、 电压 板图像； 对所述待检测图片进行 特征提取， 得到多个不同大小的第一特 征图； 对多个不同大小的所述第 一特征图进行自适应注意力 计算， 得到多个不同尺度的第 二 特征图； 对多个所述 不同尺度的第二特 征图进行 特征融合， 得到融合特 征图； 对所述融合特 征图进行多个电力 信息的故障状态检测， 得到检测结果。 2.根据权利要求1所述的目标检测方法， 其特 征在于， 所述获取待检测图片， 包括： 获取初始待检测图片； 对所述初始待检测图片进行 预处理， 得到待检测图片； 其中所述预处 理包括以下任意 一种或者多种： 缩放、 裁 剪、 归一化、 Mosaic数据增强。 3.根据权利要求1所述的目标检测方法， 其特征在于， 针对任一大小的第 一特征图进行 自适应注意力计算， 得到任一尺度的第二特 征图， 包括： 对任一大小的第一特 征图进行不同尺度池化， 得到多个不同尺度的特 征图； 针对每一尺度的特征图进行卷积， 得到卷积后特征图， 其中， 所有尺度的特征图在进行 卷积后的通道维数均相同； 利用双线性插值将通道维数相同的所有尺度的特征图上采样到相同尺度， 得到多个维 数尺度均相同的特 征图； 将所述多个维数尺度均相同的特 征图合并， 得到合并特 征图； 根据所述多个维数尺度均相同的特 征图， 生成各自对应的空间权值； 根据所有空间权值， 得到 权值映射特 征图； 根据所述权值映射特征图与所述合并特征图进行Hadamard乘积操作， 得到乘积合并特 征图； 将所述乘积合并特征图分离成多个乘积特征图， 并根据 所述多个乘积特征图与第 一特 征图聚合， 得到任一尺度的第二特 征图。 4.根据权利要求1所述的目标检测方法， 其特征在于， 所述对所述待检测图片进行特征 提取， 得到不同大小的第一特征图； 对不同大小的所述第一特征图进 行自适应注意力计算， 得到不同尺度的第二特征图； 对所述不同尺度的第二特征图进行特征融合， 得到融合特征 图； 对所述融合特征图进 行多个电力信息的故障状态检测， 得到检测结果， 是基于故障检测 模型实现的； 其中， 所述故障检测模型的训练过程， 包括： 获取待训练模型， 其中， 所述待训练模型为基于yolov5的模型， 包括： backbone层、 自适 应注意力模块、 neck层以及prediction层； backbone层能够进行特征提取， 自适应注意力模 块能够进行 自适应注意力计算， neck层能够进行特征融合， prediction能够进行故障状态 检测； 获取电流端子训练样本、 电压端子训练样本、 出口端子训练样本以及电压 板训练样本； 基于所有训练样本对所述待训练模型进行训练， 得到故障检测模型。 5.根据权利要求4所述的目标检测方法， 其特征在于， 所述待训练模型中backbone层、 neck层均包括CBL模块， CBL模块包括：权　利　要　求　书 1/2 页 2 CN 115311542 A 2Conv卷积层、 Bn批归一 化、 SMU激活函数。 6.根据权利要求1所述的目标检测方法， 其特征在于， 所述对所述融合特征图进行多个 电力信息的状态检测， 得到检测结果， 包括： 对所述融合特征图进行多个电力信 息的状态预测， 得到多个电力信 息状态对应的置信 度； 根据所述多个电力 信息状态对应的置信度， 确定检测结果。 7.根据权利要求1至6任意一项所述的目标检测方法， 其特征在于， 所述获取待检测图 片， 包括： 获取初始待检测图片， 判断所述初始待检测图片的尺寸是否满足预设尺寸； 若是， 则将所述初始待检测图片确定为所述待检测图片； 若否， 则将初始待检测图片分割， 得到多张分割 待检测图片， 并将所述多张分割待检测 图片确定为待检测图片。 8.一种目标检测装置， 其特 征在于， 包括， 获取模块， 用于获取待检测图片； 其中， 待检测图片包括电力信息图像， 其中， 电力信息 图像包括以下任意一种或者多种： 电流端子图像、 电压端子图像、 出 口端子图像、 电压板图 像； 特征提取模块， 用于对所述待检测图片进行特征提取， 得到多个不同大小的第一特征 图； 自适应注意力计算模块， 用于对多个不同大小的所述第 一特征图进行自适应注意力计 算， 得到多个不同尺度的第二特 征图； 特征融合模块， 用于对多个所述不同尺度的第二特征图进行特征融合， 得到融合特征 图； 故障状态检测模块， 用于对所述融合特征图进行多个电力信息的故障状态检测， 得到 检测结果。 9.一种电子设备， 其特 征在于， 包括： 至少一个处 理器； 存储器； 至少一个应用程序， 其中至少一个应用程序被存储在存储器中并被配置为由至少一个 处理器执行， 所述至少一个 应用程序配置用于： 执 行权利要求1～7任一项所述的方法。 10.一种计算机可读存储介质， 其特征在于， 其上存储有计算机程序， 当所述计算机程 序在计算机中执 行时， 令所述计算机执 行权利要求1～7任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115311542 A 3