典型文献
基于改进YOLOv3的施工升降机螺栓状态检测研究
文献摘要：
近年来,因施工升降机标准节螺栓状态异常造成的事故频频发生,针对施工升降机螺栓状态异常问题,提出一种基于改进的YOLO v3算法的检测方法.首先,通过K-means++聚类算法优化先验框(anchor boxes)的尺寸,使其更加适合升降机的螺栓状态检测;其次,根据升降机螺栓体积较小的特点,将3个特征尺度改为2个特征尺度,再通过特征金字塔网络FPN(feature pyramid network)进行融合.经过实验证明,改进后算法的mAP(mean average precision,平均精度均值)由81.40％提升了4.54％,达到85.95％,检测速度由34帧/s,提升了6帧/s,达到40帧/s.通过利用无人机搭载摄像头,能够实时准确地检测出施工升降机的螺栓状态,进而减少因螺栓故障引起的安全事故,在建筑安全领域发挥重要作用.
文献关键词：
施工升降机;螺栓状态检测;YOLO v3;K-means++;特征尺度
中图分类号：
作者姓名：
陈国栋;林愉翔;赵志峰;黄明炜;林进浔
作者机构：
福州大学 物理与信息工程学院,福建 福州350108;福建数博讯信息科技有限公司,福建 福州350002
文献出处：
引用格式：
[1]陈国栋;林愉翔;赵志峰;黄明炜;林进浔-.基于改进YOLOv3的施工升降机螺栓状态检测研究)[J].贵州大学学报（自然科学版）,2022(06):81-86,124
A类：
螺栓状态检测
B类：
YOLOv3,施工升降机,标准节,频频,异常问题,means++,聚类算法,算法优化,先验框,anchor,boxes,特征尺度,特征金字塔网络,FPN,feature,pyramid,network,mAP,average,precision,平均精度均值,检测速度,搭载,摄像头,安全事故,建筑安全,安全领域
AB值：
0.302454
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。
