학술논문
基于 ID-YOLO 的数字仪表检测方法.
Document Type
Article
Source
Subject
Language
Chinese
ISSN
1671-1815
Abstract
当前针对数字式仪表检测算法在边缘设备具有实时性差、泛化性差的问题,对此提出一种采用 ID-YOLO( instrument detection-you only look once)模型的变电站数字仪表检测识别方法。 所提算法以 YOLOv5 模型为基础,首先设计轻量骨干网络 (light weight-YOLO, LW-YOLO)提取图像特征,降低网络参数,提高检测实时性;然后设计了一种双级路由注意力模块( bi-level routing attention moudle, BRAM),提高网络对小数点的检测精度以及网络的鲁棒性和泛化性;最后,引入损失函数 α-IoU,通 过设定不同的可调节参数 α 数值得到更准确的真实框与预测框的交并比计算,可以提高模型的检测精度。 结果表明:相比于 其他基于深度学习的数字仪表检测识别方法,所提方法在不同显示方式的数字仪表识别任务上具有更好的准确性和泛化性, 而且可以在检测准确率领先的情况下,将模型在边缘设备上的检测速度从 6. 87 帧/ s 提升至 8. 77 帧/ s,其实时性和检测精度 均能够满足实际变电站智能数据采集、检测识别的工程需要。 [ABSTRACT FROM AUTHOR]