典型文献
基于改进YOLOv4算法的动车库接地杆状态检测
文献摘要：
工人登顶动车检修库作业前,需确认接地杆接地状态.采用人工视频复核的方式,存在易疲劳、效率低等问题,且有严重的安全隐患,本文提出一种基于改进YOLOv4算法的动车库接地杆状态检测方法.该算法采用改进K-means算法对图片数据集进行聚类分析,筛选出适合图片目标的锚框;之后采用改进的YOLOv4算法对数据集进行特征提取与训练,即通过在网络中添加CBAM注意力模块和改进SPP结构,以增强算法的准确性与检测速度;最后根据训练网络进行测试,改进算法后mAP值比原YOLOv4算法提高了2.51％达到99.09％,检测速度大约提高了5 f/s.算法应用于现场边缘计算模块中,取得了良好的应用效果.
文献关键词：
接地杆状态;K-means;YOLOv4算法;CBAM注意力模块
中图分类号：
作者姓名：
刘强;李鹏;邹一鸣;熊歆斌;陈金源;郑衡
作者机构：
五邑大学 轨道交通学院,广东 江门 529020;北京铁道工程机电技术研究所股份有限公司,北京 100071
文献出处：
引用格式：
[1]刘强;李鹏;邹一鸣;熊歆斌;陈金源;郑衡-.基于改进YOLOv4算法的动车库接地杆状态检测)[J].五邑大学学报（自然科学版）,2022(02):41-47
A类：
接地杆状态
B类：
YOLOv4,车库,状态检测,登顶,车检,检修,复核,means,图片数据,片目,锚框,CBAM,注意力模块,SPP,增强算法,检测速度,改进算法,mAP,算法应用,场边,边缘计算
AB值：
0.340198
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。
