基于机器视觉的指针式仪表检测

摘要：

提出了一种基于机器视觉的变电站指针式仪表检测算法.该算法基于YOLO v3神经网络,引入Res2Net残差模块以及采用特征层融合的方式,采用更少的模块和网络层数获取更高的特征提取效率,通过增加空间池化金字塔(spatial pyramid pooling,SPP)模块融合多重感受野,使用GIoU(generalized intersection over union)损失函数代替原有的损失函数.此外,针对数据集的不同,采取k-means++聚类算法重新选择锚点框的尺寸.实验结果证明,在保证精度的前提下,相对于Faster R-CNN和原始的YOLO v3网络,速度分别提升了73.7％和45.8％.

关键词：YOLO v3;Res2Net;空间池化金字塔(SPP);GIou(generalized intersection over union);k-means++;速度;检测识别

所属期刊栏目：21

分类号：TP391.7(计算技术、计算机技术)

资助基金：天津市科技支撑计划;天津市科技支撑计划

在线出版日期：2022-01-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：14665-14672