首站-论文投稿智能助手
典型文献
一种用于石油化工厂环境下的仪表自动检测方法
文献摘要:
针对石油化工厂中人工抄表导致的低效、高误差和成本高等弊端,以及仪表图像拍摄条件场景复杂等问题,提出了一种基于改进Faster RCNN模型的工业数字表检测方法.首先,在特征提取网络阶段对卷积层低层和高层的网络特征进行融合,提高模型对细粒度细节和小目标的敏感度;其次,结合SENet网络结构,使模型关注不同通道的重要程度,通过分配不同的学习权重来强化对目标的关注度;最后,利用RPN网络进行最后处理,提取出数字表图像的边界框位置信息.结果表明,本文提出的模型检测精度为97.3%,相对于传统目标检测算法来说能更精准地识别出数字表.
文献关键词:
Faster RCNN;特征融合;SENet;数字表检测
作者姓名:
李伟;王飒;丁健刚;陈昊;肖力炀
作者机构:
长安大学 信息工程学院,陕西 西安710064;西安热工研究院有限公司,陕西 西安710032
引用格式:
[1]李伟;王飒;丁健刚;陈昊;肖力炀-.一种用于石油化工厂环境下的仪表自动检测方法)[J].西安石油大学学报(自然科学版),2022(02):102-109
A类:
数字表检测
B类:
石油化工厂,仪表,自动检测,抄表,Faster,RCNN,特征提取网络,卷积层,低层,网络特征,细粒度,粒度细,小目标,SENet,重要程度,学习权重,重来,RPN,边界框,位置信息,模型检测,检测精度,目标检测算法,特征融合
AB值:
0.373874
相似文献
机标中图分类号,由域田数据科技根据网络公开资料自动分析生成,仅供学习研究参考。