首页|基于Yolov5s的作业现场阀门规范操作识别方法

基于Yolov5s的作业现场阀门规范操作识别方法

扫码查看
原文链接
  • 万方数据
  • 维普
将基于深度学习算法的图像识别技术应用到油田作业现场监控领域,解决阀门操作的规范性问题.采用YOLOv5s网络作为作业现场阀门规范操作识别的模型,通过图像增强方法解决阀门周围的栏杆遮挡问题,制作阀门操作的数据集,保证了数据集的丰富性.然后在自制阀门操作分类的数据集上对网络进行训练,利用训练好的YOLOv5s网络提取作业人员不同的阀门操作图像的特征和位置信息,实现作业现场阀门规范操作的识别.经过测试,验证该模型最终检测准确率达到了93％,检测速度能达到实时的效果.基于YOLOv5s网络的作业现场阀门规范操作识别的模型在不同光照和视角等条件下,检测准确率高,鲁棒性好、模型计算速度快.满足了油田作业现场实际需求,解决了油田作业现场员工在阀门操作上的安全问题.
Yolov5 s-based Method for Identifying Valve Specification Operations at Job Sites

赵崇志、卢俊、田源、邢金台、董金平、张蕾、田枫

展开 >

中国石油天然气股份有限公司冀东油田分公司,河北 唐山063004

东北石油大学 计算机与信息技术学院,黑龙江 大庆163318

深度学习 作业现场 YOLOv5s 目标检测 阀门操作识别

黑龙江省省属本科高校基本科研业务费项目东北石油大学优秀中青年科研创新团队项目东北石油大学研究生教育创新工程项目黑龙江省省属本科高校基本科研业务费项目东北石油大学引导性创新项目

KYCXTD201903JYCX_11_20202020YDL-11

2022

10.3969/j.issn.1673-629X.2022.05.036

计算机技术与发展
陕西省计算机学会

计算机技术与发展

CSTPCD
影响因子：0.621
ISSN：1673-629X
年,卷(期)：2022.32(5)
  • 2
  • 3