From 17ee9f94da47f89985617c7d9777da6df0884f97 Mon Sep 17 00:00:00 2001 From: SkyLi Date: Fri, 27 Mar 2026 12:32:11 +0800 Subject: [PATCH] chore: remove obsolete project plan files --- 工作计划.md | 82 ----------------------------------------------------- 1 file changed, 82 deletions(-) delete mode 100644 工作计划.md diff --git a/工作计划.md b/工作计划.md deleted file mode 100644 index 014ff7e..0000000 --- a/工作计划.md +++ /dev/null @@ -1,82 +0,0 @@ -# 红外故障检测工作计划 - -## 项目目标 - -基于YOLO的红外图像目标识别与ROI区域温度特征提取系统 - -## 项目背景 - -- 现有数据集：红外图像数据（电气设备） -- 目标：识别红外图像中的设备部件，提取ROI区域的温度特征，用于后续故障诊断 - -## 工作计划 - -### 阶段一：项目初始化与环境配置 - -- [ ] 创建项目目录结构 -- [ ] 配置Python环境（Python 3.8+, PyTorch, OpenCV, NumPy） -- [ ] 安装YOLO相关依赖（ultralytics） -- [ ] 整理红外图像数据集，转换为YOLO格式 -- [ ] 编写数据配置文件（data.yaml） - -### 阶段二：YOLO模型训练与优化 - -- [ ] 选择合适的YOLO模型（YOLOv8） -- [ ] 编写模型训练脚本 -- [ ] 进行模型训练与验证 -- [ ] 评估模型性能（mAP, Precision, Recall） -- [ ] 导出训练好的模型（best.pt） - -### 阶段三：ROI温度特征提取 - -- [ ] 设计ROI区域温度提取算法 -- [ ] 实现基于检测框的温度统计（最大值、最小值、平均值、标准差） -- [ ] 实现温度分布直方图特征 -- [ ] 实现纹理特征（可选：基于GLCM） -- [ ] 封装温度特征提取模块 - -### 阶段四：故障诊断接口 - -- [ ] 设计故障诊断流程 -- [ ] 封装推理Pipeline（检测+温度提取+诊断） -- [ ] 输出结构化结果（JSON格式） - -### 阶段五：测试与验证 - -- [ ] 准备测试数据集 -- [ ] 端到端流程测试 -- [ ] 性能优化（推理速度） - -## 项目结构 - -``` -1BaseOnYOLO/ -├── data/ # 数据目录 -│ ├── images/ # 红外图像 -│ ├── labels/ # YOLO格式标注 -│ └── yaml/ # 配置文件 -├── models/ # 模型目录 -│ └── train/ # 训练输出 -├── src/ # 源代码 -│ ├── detect.py # 检测脚本 -│ ├── extract_temp.py # 温度特征提取 -│ ├── diagnose.py # 故障诊断 -│ └── utils/ # 工具函数 -├── weights/ # 模型权重 -├── 工作计划.md -└── README.md -``` - -## 技术栈 - -- **深度学习框架**: PyTorch -- **目标检测**: YOLOv8 (ultralytics) -- **图像处理**: OpenCV, NumPy -- **数据格式**: YOLO TXT格式 - -## 预期输出 - -1. 训练好的YOLO模型权重 -2. ROI温度特征提取模块 -3. 故障诊断Pipeline -4. 完整的项目代码和文档