基于深度学习的门机抓斗检测方法

TP391.41%U653; 在港口门机抓斗装卸干散货的作业过程中,人眼观察无法精确判断抓斗所在位置,会带来工作效率低下及安全性等问题.为解决该问题首次提出了一种基于深度学习的门机抓斗检测方法.利用改进的深度卷积神经网络YOLOv3-tiny对抓斗数据集进行训练及测试,进而学习其内部特征表示.实验结果表明,基于深度学习的门机抓斗检测方法可实现门机抓斗检测速度每秒45帧,召回率高达95.78％,在很好满足检测实时性与准确性的同时,提高了工业现场作业的安全性及效率....

Full description

Saved in:
Bibliographic Details
Published in光电工程 Vol. 48; no. 1; pp. 14 - 23
Main Authors 张文明, 刘向阳, 李海滨, 李雅倩
Format Journal Article
LanguageChinese
Published 燕山大学工业计算机控制工程河北省重点实验室,河北秦皇岛066004%燕山大学工业计算机控制工程河北省重点实验室,河北秦皇岛066004 15.01.2021
燕山大学电气工程学院,河北秦皇岛 066004
Subjects
反转残差组
空洞卷积
空间金字塔池化
抓斗检测
深度学习
YOLOv3-tiny
Online AccessGet full text
ISSN1003-501X
DOI10.12086/oee.2021.200062

Cover

More Information
Summary:TP391.41%U653; 在港口门机抓斗装卸干散货的作业过程中,人眼观察无法精确判断抓斗所在位置,会带来工作效率低下及安全性等问题.为解决该问题首次提出了一种基于深度学习的门机抓斗检测方法.利用改进的深度卷积神经网络YOLOv3-tiny对抓斗数据集进行训练及测试,进而学习其内部特征表示.实验结果表明,基于深度学习的门机抓斗检测方法可实现门机抓斗检测速度每秒45帧,召回率高达95.78％,在很好满足检测实时性与准确性的同时,提高了工业现场作业的安全性及效率.
ISSN:1003-501X
DOI:10.12086/oee.2021.200062