中国烟草学报2023，Vol.29Issue(5) ：42-48.DOI:10.16472/j.chinatobacco.2022.T0225

基于加权K-means与GhostNet融合改进YOLOv4的卷烟厂物料输送巷道异物视觉检测方法

Improved YOLOv4 visual detection method of foreign bodies in material delivery roadway of cigarette factory based on the fusion of weighted K-means and GhostNet

刘军 辛秋生 李文灿 卢志敏 黄艳辉 杨凤
中国烟草学报2023，Vol.29Issue(5) ：42-48.DOI:10.16472/j.chinatobacco.2022.T0225
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于加权K-means与GhostNet融合改进YOLOv4的卷烟厂物料输送巷道异物视觉检测方法

Improved YOLOv4 visual detection method of foreign bodies in material delivery roadway of cigarette factory based on the fusion of weighted K-means and GhostNet

刘军 1辛秋生 2李文灿 3卢志敏 3黄艳辉 2杨凤1
扫码查看

作者信息

  • 1. 衢州学院机械工程学院,浙江衢州九华北大道 78 号 324000
  • 2. 东华理工大学机械与电子工程学院,江西南昌广兰大道 418 号 330013
  • 3. 龙岩烟草工业有限责任公司,福建龙岩乘风路 1299 号 364000
  • 折叠

摘要

[目的]针对卷烟厂物料输送巷道因人员闯入或穿梭车运载散落物料(统一称为"异物")导致的安全隐患及其检测存在的实时性和准确性问题.[方法]提出一种改进的YOLOv4 的物料输送巷道异物视觉检测方法.采用融合SE注意力机制的GhostNet作为YOLOv4 模型特征提取网络,一方面解决CSPDarknet53 参数过多而导致实时性差的问题,另一方面增强小物体特征提取能力;利用加权 K-means 对锚框进行聚类,解决初始锚框对巷道异物不适应问题.[结果]通过卷烟厂物料输送巷道状态数据集训练与现场应用,该方法对异物的平均检测精度达 98.48%,误检率为 0.62%,检测速度为 58 FPS.[结论]该方法达到较好的检测效果且具有较好的泛化能力.

关键词

穿梭车/YOLOv4/视觉检测/SE注意力机制/加权K-means/锚框

Key words

shuttle car/YOLOv4/visual detection/SE attention mechanism/weighted K-means/anchor box

引用本文复制引用

基金项目

国家自然科学基金(61963002)

辽宁省教育厅基本科研项目(LJKMZ20220478)

出版年

2023
中国烟草学报
中国烟草学会

中国烟草学报

CSTPCDCSCD北大核心
影响因子：1.182
ISSN：1004-5708
参考文献量4
段落导航相关论文