基于RepVGG-YOLOv4的焦罐提升机状态检测

提出一种基于视频流数据的提升机状态自动检测方法,将YOLOv4算法原有的CSPDarknet53框架替换成RepVGG框架,建立了基于RepVGG主干特征提取网络的YOLOv4模型,通过对提升机数据集的迭代训练,得到最终的检测模型,对设备状态进行实时分类,实现了设备状态的准确识别。测试结果表明,该算法的检测精度可达99.3%,检测速度26.28fps,满足提升机设备状态实时检测的需求,同时模型所占内存更小,更便于在生产现场部署,对硬件平台的要求有所降低。