首页|基于轻量级卷积神经网络的注油孔检测算法

基于轻量级卷积神经网络的注油孔检测算法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
为解决当前注油机器人目标检测算法对现场适应性弱、识别率低等问题,通过改进YOLOv5算法,提出一种新的注油孔检测算法YOLOv5-S.将ShuffleNetv2用于图像的特征提取,通过调整输入图像的分辨率以及扩大部分基本单元中深度卷积核尺寸,确保算法既具有轻量级网络结构又具有高精度的检测水平;采集不同工况下注油孔的图像,将其分类并标注,采用YOLOv5-S,YOLOv5,YOLOv3-tiny算法对其进行训练实验,验证提出算法的有效性.结果表明:YOLOv5-S在注油孔数据集上的检测精度保持在99.4％,与原算法相比,其模型容量压缩了 77％,检测速度提升了 11.7 F/s.本文提出的检测算法在工控机算力和存储资源有限的条件下具备良好的识别准确率和检测速度.
Oil Injection Hole Detection Algorithm Based on Lightweight Convolution Neural Network

孟瑞、卢宗远、丛英浩

展开 >

安徽工业大学机械工程学院,安徽马鞍山243032

安徽工业大学工程研究院,安徽马鞍山243032

上海梅山钢铁股份有限公司,江苏南京210039

轻量级卷积神经网络 机器视觉 目标检测 注油孔

国家自然科学基金安徽省高校自然科学重点基金

51605005KJ2020A0244

2023

10.12415/j.issn.1671-7872.22230

安徽工业大学学报(自然科学版)
安徽工业大学

安徽工业大学学报(自然科学版)

影响因子：0.428
ISSN：1671-7872
年,卷(期)：2023.40(2)
  • 2
  • 6