| 改进YOLOv5的车牌检测算法在林区中的应用北大核心CSCD |
| |
| 引用本文： | 朱文超,杨洁,卢成煜,何超.改进YOLOv5的车牌检测算法在林区中的应用北大核心CSCD[J].光电子．激光,2022(12):1271-1279. |
| |
| 作者姓名： | 朱文超 杨洁 卢成煜 何超 |
| |
| 作者单位： | （西南林业大学 机械与交通学院，云南 昆明 650224）,（西南林业大学 机械与交通学院，云南 昆明 650224）,（西南林业大学 机械与交通学院，云南 昆明 650224）,（西南林业大学 机械与交通学院，云南 昆明 650224） |
| |
| 基金项目： | 国家自然科学基金(51968065)和云南省教育厅科学研究基金项目(111722038)资助项目 |
| |
| 摘 要： | 针对林区环境中现有的交通监控系统目标检测算法在雾、雨、雪等恶劣天气条件下车牌定位困难、精度低和检测速度慢等问题,提出了一种新的车牌检测方法。该方法以YOLOv5(you only look once v5)为基础模型,采用K-means++的方法对实例标签信息进行聚类分析获取新的初始化锚框尺寸,在特征提取网络中融入CBAM(convolutional block attention module)注意力机制提取到检测目标更多的特征信息,选取了CIoU作为损失函数提高检测框定位精度。在预处理方面,模拟摄像头在采集图像时可能产生的干扰,使用OpenCV-Python编写脚本对图像进行处理,增加算法在林区复杂环境下检测的鲁棒性。实验分析表明,该方法的均值平均精度@0.5(mean average precision@0.5,mAP@0.5)达99.5%、均值平均精度@0.5∶0.95(mAP@0.5∶0.95)达86.7%、检测速度达128帧/s、模型大小仅14 M,与YOLOv5以及其他主流目标检测算法相比有更好的准确性、实时性和广泛可部署性。
|
| 关 键 词： | 林区防护 神经网络 YOLOv5 车牌检测 复杂天气环境 |
| 收稿时间： | 2022/3/11 0:00:00 |
| 修稿时间： | 2022/4/12 0:00:00 |
Application of improved YOLOv5 license plate detection algorithm in forest regio n |
| |
| ZHU Wenchao,YANG Jie,LU Chengyu and HE Chao.Application of improved YOLOv5 license plate detection algorithm in forest regio n[J].Journal of Optoelectronics·laser,2022(12):1271-1279. |
| |
| Authors: | ZHU Wenchao YANG Jie LU Chengyu and HE Chao |
| |
| Affiliation: | College of Mechanics and Transportation,Southwest Forestry University,Kunmi ng,Yunnan 650224, China,College of Mechanics and Transportation,Southwest Forestry University,Kunmi ng,Yunnan 650224, China,College of Mechanics and Transportation,Southwest Forestry University,Kunmi ng,Yunnan 650224, China and College of Mechanics and Transportation,Southwest Forestry University,Kunmi ng,Yunnan 650224, China |
| |
| Abstract: | |
| |
| Keywords: | forest protection neural network you only look once v5 (YOLOv5) license plate detection complex weat her environment |
| 本文献已被 维普 等数据库收录！ |
| 点击此处可从《光电子．激光》浏览原始摘要信息 |
|
点击此处可从《光电子．激光》下载全文 |
|
