基于改进YOLOv3的工业指针式仪表检测

摘要：

为解决现有工业指针式仪表检测存在识别精度低、检测信息缺失、检测速度慢、成本较高的问题,提出一种改进的YOLOv3 检测算法.新算法通过Kmeans ++聚类获得先验框尺寸,选用轻量级网络Darknet-19 作为主干网络并减少预测层数,引入注意力机制同时调整样本损失函数,达到损失函数快速收敛的效果.消融实验结果表明,改进的YOLOv3 算法对工业指针式仪表检测精度达98.16%,检测速度相比原版 YOLOv3 网络提升一倍,检测结果信息完整,训练消耗资源降低3 倍.算法在鲁棒性、实时性、实用性方面优势明显.

关键词：YOLOv3、指针式仪表检测、Kmeans++、注意力机制

分类号：TP391.41(计算技术、计算机技术)

资助基金：内蒙古自治区自然科学基金项目;内蒙古自治区科技计划项目;内蒙古工业大学科学研究项目

在线出版日期：2023-08-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：64-70