|本期目录/Table of Contents|

[1]骆东松,张杰锋,魏義民.基于轻量化的指针仪表检测算法研究[J].工业仪表与自动化装置,2024,(01):98-103.[doi:DOI:10.19950/j.cnki.CN61-1121/TH.2024.01.021]
　LUO Dongsong,ZHANG Jiefeng,WEI Yiming.Research on pointer gauge detection algorithm based on lightweighting[J].Industrial Instrumentation & Automation,2024,(01):98-103.[doi:DOI:10.19950/j.cnki.CN61-1121/TH.2024.01.021]
点击复制

基于轻量化的指针仪表检测算法研究(PDF)

《工业仪表与自动化装置》[ISSN:1000-0682/CN:61-1121/TH]

卷:
期数:
2024年01期
页码:
98-103
栏目:
出版日期:
2024-02-15

文章信息/Info

Title:
Research on pointer gauge detection algorithm based on lightweighting
文章编号:
1000-0682（2024）01-0098-06
作者:
骆东松; 张杰锋; 魏義民
(兰州理工大学 电气工程与信息工程学院, 甘肃 兰州 730050）
Author(s):
LUO Dongsong; ZHANG Jiefeng; WEI Yiming
（Lanzhou University of Technology, Gansu Province Lanzhou 730050, China)
关键词:
指针仪表检测; YOLOV5s; 数据增强; MobileNetV3; 轻量化
Keywords:
pointer meter inspection; YOLOV5s; data enhancement; MobileNetV3;  lightweighting
分类号:
TP391.41
DOI:
DOI:10.19950/j.cnki.CN61-1121/TH.2024.01.021
文献标志码:
A
摘要:
通过轻量化的神经网络算法部署在边缘计算设备是解决老式仪表读数问题的主流方向。该文提出了YOLOV5s-Pointer轻量化的指针仪表检测网络模型，以YOLOV5s网络模型作为基础，通过引入Mixup数据增强技术，使用MobileNetV3网络替换CSPDarkNet53特征提取网络，采用SLoU Loss定位损失函数，并引入动态样本权重思想，对网络进行改进。实验结果表明，相较于YOLOV5s网络在验证集上的参数量和计算量分别减少了78%和57%，精确率提升了1.3%。
Abstract:
-

参考文献/References:

[1]陈从平,王钦,姚威. 基于机器视觉的指针式仪表自动读数算法[J]. 传感器与微系统, 2022,41(10): 130-133.

[2]董文轩,梁宏涛,刘国柱. 深度卷积应用于目标检测算法综述[J]. 计算机科学与探索, 2022,16 (05): 1025-1042.
[3]邵延华,张铎,楚红雨.基于深度学习的YOLO目标检测综述[J]. 电子与信息学报, 2022,44(10): 3697-3708.
[4]赵英,王琦,沙捷.基于YOLOv5s的轻量化乒乓球目标检测算法[J]. 计算机应用, 2023,43 (S1): 229-234.
[5]金鑫,庄建军,徐子恒.轻量化YOLOv5s网络车底危险物识别算法[J]. 浙江大学学报(工学版), 2023,57(08): 1516-1526+1561.
[6] HOWARD A , SANDLER M , CHU G ,et al.Searching for MobileNetV3[J]. 2019.DOI:10.48550/arXiv.1905.02244.
[7]SANDLER M, HOWARD A, ZHU M, et al. MobileNetV2: Inverted Residuals and Linear Bottlenecks[C]//2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition.
[8]任欢,王旭光.注意力机制综述[J]. 计算机应用, 2021(S1 vo 41): 1-6.
[9]YIN Y, LEI L, LIANG M, et al. Research on Fall Detection Algorithm for the Elderly Living Alone Based on YOLO[C]//2021 IEEE International Conference on Emergency Science and Information Technology (ICESIT).
[10]TONG Z, CHEN Y, XU Z, et al. Wise-IoU: Bounding Box Regression Loss with Dynamic Focusing Mechanism[Z/OL]. arXiv, 2023(2023-04-08)[2023-09-15].
[11]YU Z, HUANG H, CHEN W, et al. YOLO-FaceV2: A Scale and Occlusion Aware Face Detector[Z/OL]. arXiv, 2022(2022-08-04)[2023-09-15].

相似文献/References:

备注/Memo

备注/Memo:
收稿日期：2023-09-18第一作者：骆东松（1970—），男，汉，甘肃武山人，本科，教授，研究方向为嵌入式系统、计算机控制系统的研究与开发等。E-mail:2677007909@qq.com通信作者：张杰锋（2000—），男，汉，甘肃会宁人，研究生，研究方向为计算机控制系统的研究与开发。E-mail:2829940332@qq.com
更新日期/Last Update: 1900-01-01