一个网站如何做推广,佛山企业网站建设机构,wordpress 仿煎蛋主题 无聊图,wordpress win10随着社会和经济的持续发展#xff0c;电力系统的投资与建设也日益加速。在电力系统中#xff0c;输电线路作为电能传输的载体#xff0c;是最为关键的环节之一。而绝缘子作为输电环节中的重要设备#xff0c;在支撑固定导线#xff0c;保障绝缘距离的方面有着重要作用。大…随着社会和经济的持续发展电力系统的投资与建设也日益加速。在电力系统中输电线路作为电能传输的载体是最为关键的环节之一。而绝缘子作为输电环节中的重要设备在支撑固定导线保障绝缘距离的方面有着重要作用。大多数高压输电线路主要架设在非城市内地区绝缘子在输电线路中由于数量众多、跨区分布且长期暴露在空气中受恶劣自然环境的影响十分容易发生故障。随着大量输电工程的快速建设传统依靠人工巡检的模式已经越来越难以适应高质量运维的要求。随着国网公司智能化要求的提升无人机技术的快速应用采取无人机智能化巡视能够大幅度减少运维人员及时间提升质量因此得到快速发展。
深度学习技术的大量应用计算机运算性能的不断提高为无人机准确识别和定位绝缘子实时跟踪拍摄开辟了新的解决途径。本文对输电线路中绝缘子进行识别及定位利用深度学习技术采取基于YOLOv5 算法的目标检测手段结合绝缘子数据集的特点对无人机拍摄图片进行训练实现对绝缘子精准识别和定位大幅提升无人机巡检时对绝缘子设备准确跟踪、判定的效率具有十分重要的应用效果。
废话不多说咱们先看两张实际效果。 注意事项
尽量使用英文路径避免中文路径中文路径可能会导致代码安装错误和图片读取错误。pycharm运行代码一定要注意左下角是否在虚拟环境中。库的版本很重要使用本教程提供的代码将会事半功倍
遇到解决不了的问题可以通过私信QQ:3045834499联系我粉丝儿朋友远程调试该项目包含数据集和训练好的三组模型仅需99个圆子。
前期准备
项目下载地址 YOLOV5电线绝缘子缺陷检测数据集代码模型教学视频参考论文资源-CSDN文库
电脑设置
大部分小伙伴使用的电脑一般都是windows系统在windows系统下跑代码难免会遇到各种各样的bug首先是编码问题为了防止代码在运行过程中出现编码错误我们首先要将我们电脑的语言设置为utf-8格式具体如下。首先在搜索框搜索语言点击这里。 找到管理语言设置。 勾选utf-8即可。 另外有的电脑初始设置的时候内存是由电脑自行分配的很可能在运行训练代码的时候出现显存溢出的情况为了防止该情况的出现我们需要在高级系统设置中对虚拟内存进行设置如下。
首先打开高级系统设置点开性能中的设置。 在高级中找到虚拟内存的设置。 以d盘为例这里我们将虚拟内存设置在4G到8G之间其余操作一样。 其他盘也设置完成之后点击确定之后按照电脑提示重启即可。
相关软件安装 Nvidia驱动安装可选 首先是驱动的安装这个小节主要是针对电脑带有Nvidia显卡的小伙伴如果你的电脑没有Nvidia显卡你直接跳过就可以了你可以通过右下方的任务栏判断是是否具有这个显卡如果是笔者这里的绿色小眼睛图标说明你是具有Nvidia显卡的。 驱动下载的地址为官方驱动 | NVIDIA 注意请按照你电脑具体的型号来选择驱动文件不清楚的可以通过设备管理器来查看你显卡的具体型号。 下载exe文件之后直接下一步下一步按照默认安装就好注意这里最好按照默认目录安装否则可能导致安装失败的情况如下安装完毕之后重启电脑在命令行中输入nvidia-smi如果正常输出显卡的信息说明显卡驱动安装已经成功。 另外这里多叭叭两句。 很多的远古教程会教你去安装cuda和cudnn这个过程非常麻烦并且需要你注册nvidia的账户由于众所周知的原因账户注册就很繁琐。其实在新版本的驱动安装中就已经自带最新版本的cuda比如我上图所示的在笔者驱动安装完毕之后已经自带了12.0的cudacuda这个东西是向下兼容的后续的cudnn那些我们直接通过anaconda来安装就可以了这样真的省心很多。 Anaconda安装 conda是一个开源的包、环境管理器可以用于在同一个机器上安装不同版本的软件包及其依赖并能够在不同的环境之间切换。我强烈推荐你使用他他的作用类似于java中的maven和我们平时使用的虚拟机他能够保证的项目之间互相是隔离的。举个简单的例子如果你同时有两个项目你一个使用的pytorch1.8一个用的是pytorch1.10这样一个环境肯定就不够了这个时候anaconda就派上大用场了他可以创建两个环境各用各的互不影响。 Anaconda有完全版本和Miniconda其中完整版太臃肿了我这边推荐使用miniconda下载地址在Index of /anaconda/miniconda/ | 北京外国语大学开源软件镜像站 | BFSU Open Source Mirror 下滑到最下方点击这个版本的下载即可。 同样的下载之后安装即可注意不要安装在C盘另外添加到系统路径这个选项也请务必选上后面使用起来会带来很多便捷并且这里的安装位置请你一定要记得后面我们在Pycharm中将会使用到。 Pycharm安装 OKAnaconda安装完成之后我们还需要一个编辑器来写代码这里推荐大家使用PycharmPycharm有专业版和社区版社区版是免费的专业版如果你有教育邮箱的话也可以通过教育邮箱注册账户来使用但是社区版的功能已经够绝大多数小伙伴来用了Pycharm的下载地址在Download PyCharm: Python IDE for Professional Developers by JetBrains 注意也是安装的时候不要安装在c盘并且安装过程中这些可选的选项要勾上。 完成之后比如我们用pycharm打开一个项目在新版本的下方会出现命令行无法使用的情况。请使用管理员模型打开powershell。 然后执行执行指令set-ExecutionPolicy RemoteSigned输入Y然后enter完成即可。 另外在Pycharm的右下方是表示的是你所处的虚拟环境这里先简单说下在pycharm中如何使用anaconda中创建的虚拟环境。 点击ok之后右下角出现你的虚拟环境名称就表示成功了。
以上这些步骤完成之后恭喜你差不多一半的工作就完事了剩下无非就是根据不同的项目来配置环境和执行代码了。
嗷对这里我们也说一下如何在Pycharm中选Anaconda的虚拟环境。
环境配置
OK来到关键环境配置的部分首先大家下载代码之后会得到一个压缩包在当前文件夹解压之后进入CMD开始我们的环境配置环节。 为了加快后期第三方库的安装速度我们这里需要添加几个国内的源进来直接复制粘贴下面的这些指令到你的命令行即可。
conda config --remove-key channels
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes
pip config set global.index-url https://mirrors.ustc.edu.cn/pypi/web/simple
执行完毕大概是下面这个样子后面你就可以飞速下载这些库了。 创建虚拟环境
首先我们需要根据我们的项目来创建一个虚拟环境通过下面的指令创建并激活虚拟环境。
我们创建一个Python版本为3.8.5环境名称为yolo的虚拟环境。
conda create -n yolo python3.8.5
conda activate yolo切记这里一定要激活你的虚拟环境否则后续你的库会安装在基础环境中前面的小括号表示你处于的虚拟环境。
Pytorch安装
注意Pyotorch和其他库不太一样Pytorch的安装涉及到conda和cudnn一般而言对于30系的显卡我们的cuda不能小于11对于10和20系的显卡一般使用的是cuda10.2。下面给出了30系显卡、30系以下显卡和cpu的安装指令请大家根据自己的电脑配置自行下载。笔者这里是3060的显卡所以执行的是第一条指令。
conda install pytorch1.10.0 torchvision torchaudio cudatoolkit11.3 # 30系列以上显卡gpu版本pytorch安装指令
conda install pytorch1.8.0 torchvision torchaudio cudatoolkit10.2 # 10系和20系以及mx系列的执行这条
conda install pytorch1.8.0 torchvision0.9.0 torchaudio0.8.0 cpuonly # CPU的小伙伴直接执行这条命令即可安装之后可以和笔者一样输入下面的指令测试以下gpu是否可用如果输出的是true表示GPU是可用的。 其余库安装
其余库的安装就非常简单了我们通过pip来进行安装注意这里一定要确保你执行的目录下有requirements.txt这个文件否则你将会遇到文件找不到的bug你可以通过dir指令来查看是否有这个文件。
pip install -r requirements.txtPycharm中运行
一是为了查看代码方便二是为了运行方便这里我们使用Pycharm打开项目点击这里右键文件夹直接打开项目即可非常方便。
打开之后你将会看到这样的一个界面其中左侧是文件浏览器中间是编辑器下方是一些工具右下角是你所处的虚拟环境 。 之后我们就需要为当前的项目选择虚拟环境了这一步非常重要有的兄弟配置好了没选环境你将会遇到一堆奇怪的bug选环境的步骤如下。
首先点击添加解释器。 三步走选择我们刚才创建的虚拟环境点击ok。 之后你可以你可以右键执行main_window.py这个文件出现下面的画面说明你就成功了。 数据集准备
数据集这里我放在了CSDN中大家可以执行标注准备数据集或者使用这里我处理好的数据集数据集下载之后放在和代码目录同级的data目录下。 数据集打开之后你将会看到两个文件夹images目录存放图片文件labels目录存放标签文件。 之后记住你这里的数据集路径在后面的训练中我们将会使用到比如笔者这里的F:\new_project\sfid\data\target_sfid。 训练和测试
注这里你可以选择去自己尝试以下笔者在runs的train目录下已经放了训练好的模型你是可以直接使用。
下面就是训练的过程笔者这里已经将数据集和模型的配置文件写好了你只需要将数据集中的数据路径替换成你的路径执行go_train.py即可开始训练了。 执行go_train.py文件中包含三条指令分别表示yolov5中small模型、medium模型和large模型比如我这里要训练s模型我就将其他两个模型训练的指令注释掉就好了。 运行之后下方会输出运行的信息这里的红色只是日志信息不是报错大家不要惊慌。 以笔者这里的s模型为例详细含义如下。 图形化程序
最后就是执行我们的图形化界面程序了。 直接右键执行window_main.py执行即可这里上两章效果图。
