摘要
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.
基金项目
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优秀中青年科研创新团队项目(KYCXTD201903)
东北石油大学研究生教育创新工程项目(JYCX_11_2020)
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(2020YDL-11)
维普
万方数据