基于改进YOLOv3的安全帽检测方法研究

针对目前对工业现场安全帽佩戴检测过程中出现的检测准确率低和实时性弱问题,提出一种基于YOLOv3的改进模型。首先,采用K-Means++聚类算法,优化获取安全帽佩戴检测的先验框尺寸;在YOLOv3特征提取网络之后引入注意力模块(scSE);并在网络预测阶段,引入残差模块。实验表明：在自制安全帽佩戴检测数据集实验中平均准确率达到88.16%。相较于原始的YOLOv3算法,改进后算法对安全帽检测平均准确度有一定程度的提高。     

基于改进YOLOv3的目标检测方法研究

针对目标检测算法YOLOv3检测精度低、目标识别效果差等问题,从特征提取和特征融合的角度提出一种改进的YOLOv3目标检测算法。采取连续残差结构和深度卷积双路特征提取来扩展感受野,在深度卷积模块中以改进的混合池化来替换最大池化;在特征融合方面,引入CBAM,并在增强残差模块中增加了注意力特征融合模块。实验结果表明,改良后的YOLOv3算法在百度与北京林业大学合作的Insects昆虫数据集上的检测精度达到了71.22%,比原始算法的检测精度提升4.88个百分点,验证了该算法的有效性。     

基于改进YOLOv3-tiny的车辆目标检测

交通监控视频的车辆目标检测是智能交通监控系统中至关重要的组成部分,是车辆计数、事故检测等一系列操作的基础.针对YOLOv3 tiny网络存在的漏检、重复检测、误检等问题,通过增加网络中的卷积层个数,并将空间金字塔池化(spatial pyramid pooling,SPP)网络加入YOLOv3-tiny的特征提取网络之...     

输电线路异物入侵告警系统的研究

输电线路作为电能输送的重要途径,其运行状态与电能质量的好坏密切相关.由于架空输电线路通常利用杆塔作为机械支撑,高度一般在15 m左右,这个高度决定了威胁其运行状态的异物种类较少,但研究输电线路异物入侵仍具有重要的应用价值.因此将背景建模法和图像差分法作为异物入侵的识别算法,该算法提高了识别的速度,最后验证了识别算法的正...     

基于改进YOLOv3网络的非机动车检测

中国目前的交通主体主要由机动车、非机动车和行人构成.非机动车在日常的交通参与中占据了相当大的比例,同.时随着无人车自动驾驶技术和机动车驾驶辅助技术的不断突破与升级,非机动车检测成为了路况信息获取中的重要一环.由于非机动车数量大,在视频中的所占面积小,极易互相遮挡等原因,容易出现检测不准确和漏检等问题.针对该问题,基于YOLOv3算法,本文提出了一种改进模型,通过采用双重特征提取网络,同时在辅助网络和骨干网络的特征信息融合采用注意机制提高检测精度.实验结果表明,所提出的改进模型在公开数据集中取得了优于YOLOv3的检测结果,将平均检测准确率由79.33％提高至83.26％.     

激光清除输电线路异物时异物烧蚀特性分析

利用高能激光清除输电线路缠绕异物的方法取得了 较好的使用效果。以5种典型输电线路异物 材料为研究对象,建立有限元仿真模型,分析激光烧蚀异物的温度分布及其微观变化规律, 并进行了激光 烧蚀实验。结果表明,激光照射异物时,异物中心到边缘温度逐渐降低,高温的中心部分先 熔化,低温部 分热量积累使温升至熔点熔化,形成“V”形凹坑。在激光加热异物的过程是周向和纵深方 向同时发展的, 且纵深方向发展快于周向的发展速度。激光功率达到200 W时,可以 清除绝大部分有色异物,亮白色异物 也可被清除,激光清除异物的效率在1mm/s至2mm/s之间,激光清除异物的效率较高,此研 究成果为激光 应用于清除输电线路缠绕异物工作提供了重要依据。     

基于改进YOLOv7的高铁异物入侵检测算法

针对复杂环境下高铁轨道入侵异物对列车的安全行驶有严重的威胁,而现有检测方法不能满足实际的高铁轨道异物检测工作,提出一种基于改进YOLOv7的高铁异物入侵检测算法。引入CARAFE算子作为上采样算法,减少输入图像的特征信息损失,增大网络感受野;在YOLOv7模型中引入GhostConv卷积,可以有效地减少模型的计算量和参数量;引入全局注意力机制(Global Attention Mechanisms, GAM),增强全局信息交互能力和表达能力,提高检测性能;采用Alpha＿GIoU损失函数,提升小目标的检测能力和模型的收敛速度。实验结果表明,改进后的YOLOv7-CGGA模型的平均检测精度(mean Average Precision, mAP)和平均每秒推理速度(Frames Per Second, FPS)值分别达到96.7%和96.1,与原YOLOv7模型相比,分别提升了1.6%和31.1,较好地平衡了模型的检测精度和效率,可以满足实际的检测需求。     

改进Vibe前景提取的YOLOv3烟雾目标检测方法

在使用计算机视觉方法对烟雾目标进行检测时需要考虑环境因素的影响,直接进行检测易出现漏检、误检问题。因此提出一种基于改进Vibe前景提取的YOLOv3烟雾目标检测方法。首先使用CLAHE增强图像对比度,通过改进的Vibe前景提取方法检测并提取疑似的烟雾目标区域,最后整合样本并使用目标检测算法YOLOv3对烟雾目标进行识别与定位。实验结果表明所提出的方法对复杂环境的烟雾目标检测具有更高的性能,更适用于烟雾目标检测任务。     

输电线路拆除异物机械手的研制和应用

随着电网建设的快速发展,保定供电公司更是以每年近600公里的新架线路增加。线路维护的输电线路大幅增加,特别是输电线路长期在自然环境中运行,难免受外部环境条件的影响。大棚塑料布,飘落的风筝,废品收购点的垃圾等异物非常容易搭落在输电线路导、地线上,带电处理异物成为了一项常见的带电作业。本文着重介绍带电处理导、地线异物的实用方法及对应的研发工具,并通过保定供电公司输电运检工区的实例,对其科学的分析和推广。     

Improved YOLOv5 foreign object detection for transmission lines

The traditional transmission line detection has the problems of low efficiency. To improve the performance, this paper proposes an improved you only look once version 5 (YOLOv5) transmission line foreign object detection algorithm. First, efficient channel attention (ECA) module is introduced in the backbone network for focusing the target features and improving the feature extraction capability of the network. Secondly, bilinear interpolation upsampling is introduced in the neck network to improve the model detection accuracy. Finally, by integrating the efficient intersection over union (EIoU) loss function and Soft non-maximum suppression (Soft NMS) algorithm, the convergence speed of the model is accelerated while the detection effect of the model is enhanced. Relative to the original algorithm, the improved algorithm reduces the number of parameters by 16.4%, increases the mean average precision (mAP)@0.5 by 3.9%, mAP@0.5:0.95 by 6.3%, and increases the detection speed to 55.3 frames per second (FPS). The improved algorithm is able to improve the performance of the foreign object detection in transmission lines effectively.     

高压输电线异物激光清除三维仿真研究

激光以其优异的性能在输电线路异物清除领域具有广阔的应用前景。为了安全、高效地清除输电线异物,须对激光与异物组织的作用机理进行研究。本文分析讨论了激光与尼龙材料的热作用机理,建立了激光束切割尼龙材料的三维数值仿真模型,仿真研究了不同激光移动速度和光斑尺寸下尼龙材料三维动态烧蚀形貌,分析研究了激光移动速度和光斑尺寸对材料烧蚀深度的影响趋势。结果表明,激光功率和光斑尺寸一定时,材料烧蚀的最高温度和烧蚀深度与激光移动速度成反比;激光功率和移动速度一定时,材料烧蚀的最高温度和烧蚀深度与光斑尺寸成反比。当激光功率为100W、光斑半径1cm时,烧蚀过程中不发生明火的激光最小移动速度为05cm/s。当激光移动速度为2cm/s、功率为100W 时,不发生明火的光斑最小直径为03cm。     

一种改进YOLOv3的红外人体检测嵌入式系统的设计

针对照明系统中对人体检测的需求,提出了基于改进YOLOv3的嵌入式机器视觉系统实现人体检测与定位.通过红外摄像头采集红外人体图像制作数据集;对YOLOv3进行改进并训练得到轻量化的人体检测模型,通过网格图方法由人体矩形框坐标得到人体的空间坐标.改进的YOLOv3人体检测模型的准确率提升了3.26％,参数量减少了96.0...     

基于轻量化YOLOv3的带钢表面缺陷检测方法

缺陷检测是带钢生产过程中不可缺少的工序,现有检测方法普遍存在检测精度较低、实时性差等问题。为解决上述问题,本文提出了一种基于轻量化YOLOv3的快速缺陷检测方法。MobileNetv2作为主干网络并用两个尺度的特征图进行输出,保证了网络模型的轻量化;将改进后的注意力模块融合进特征金字塔网络(feature pyramid network, FPN),同时结合空间金字塔池化模块(spatial pyramid pooling, SPP),以提高算法对缺陷的学习能力;使用K均值聚类算法获得更优的先验框,并且使用CIoU(complete-intersection over union)对损失函数进行优化,进一步提升网络性能。提出的方法在带钢缺陷数据集上检测速度为70.8 FPS;模型参数量为7.1 MB,仅为YOLOv3的3.02%。实验结果表明本文所提方法能够在保证精度的同时实现对缺陷的快速检测,具有良好的生产线部署能力。     

Improved remote sensing image target detection based on YOLOv7

Remote sensing images are taken at high altitude from above, with complex spatial scenes of images and a large number of target types. The detection of image targets on large scale remote sensing images suffers from the problem of small target size and target density. This paper proposes an improved model for remote sensing image detection based on you only look once version 7(YOLOv7). First, the small-scale detection layer is added to reacquire tracking frames to improve the network’s recogniti...     

基于改进YOLOv3算法的行人检测研究

YOLOv3算法在单一物体目标检测时使用Darknet53作为主干,网络出现冗余现象,导致参数过多,检测速度变慢,传统的边界框损失函数影响检测定位准确性。针对这一问题,文中提出了改进YOLOv3算法的行人检测方法。通过构造以Darknet19为主干网络多尺度融合的新型网络,加快训练速度和检测速度,还通过引入广义交并比损失函数来提高检测精确度。实验结果表明,在行人检测数据集如INRIA行人数据集中,相比于原始算法,文中所提算法的精确度提高了5%。和Faster R-CNN相比,在保证准确率的情况下,采用文中算法使单张图片的检测速度达到了每张0.015 s。     

基于改进YOLOv3的瞳孔屈光度检测方法

针对瞳孔区域屈光度识别准确率低、检测效率低等问题,本文提出一种基于改进YOLOv3深度神经网络的瞳孔图像检测算法。首先构建用于提取瞳孔主特征的二分类检测网络YOLOv3-base,强化对瞳孔特征的学习能力。然后通过迁移学习,将训练模型参数迁移至YOLOv3-DPDC（Deep Pupil Diopter Classify）,降低样本数据分布不均衡造成的模型训练困难以及检测性能差的难题,最后采用Fine-tuning调参快速训练YOLOv3多分类网络,实现了对瞳孔屈光度快速检测。通过采集的1200张红外瞳孔图像进行实验测试,结果表明本文算法屈光度检测准确率达91.6%,检测速度可达45 fps,优于使用Faster R-CNN进行屈光度检测的方法。     

基于改进YOLOv3的单阶段目标检测算法

针对目标检测领域对高检测精度和高检测速度共存的需求,提出了一种单阶段目标检测算法即性能平衡的YOLO算法(B-YOLO),该算法首先引入空间注意力机制,利用多尺度最大池化层增大感受野范围;然后采用跨阶段局部连接结构和直通层优化主干网络结构,改善计算效率;最后在多尺度检测结构中增加自下而上的路径,并使用拼接操作进行横向连...     

基于改进YOLOv3的快速文本检测

针对深度学习文本检测算法存在运行速度慢、模型体积大等问题,提出了基于改进的YOLOv3(You Only Look Once v3)文本检测方法(mobile-text-YOLOv3).通过深度可分离卷积思想轻量化Darknet-53网络,在高层特征借助双线性插值和偏移层使卷积核具有可变感受野,较大地改善了模型的性能;...     

基于图像识别的无人机输电线路绝缘子故障检测方法研究

针对绝缘子的自爆缺陷故障,基于图像识别技术,设计并实现了一套无人机输电线路绝缘子故障检测方法。该方法依次进行图像色彩转换、图像载入和预处理、OTSU或最大熵值分割法分割以及绝缘子轮廓检测工作,实现了对绝缘子间无明显重叠和有明显重叠图像的前景提取与识别功能;采用基于空间序列关系建立的特征检测算法,实现对图像中部无明显重叠绝缘子的自爆缺陷故障检测和定位工作。经测试,自爆缺陷故障检测和定位准确率较高,速度较快,具有一定的应用价值,并能为类似绝缘子故障的检测研究提供参考。