典型文献
基于改进的YOLOv4彩色数字仪表读数识别方法
文献摘要：
针对传统数字仪表识别方法计算量大、实时性不够和精度较低的问题,研究了一种深度学习与图像处理相结合的识别方法.为减少计算量,在YOLOv4网络中引入GhostNet作为基础网络,同时在YOLOv4非主干网络中引入深度可分离卷积以及Ghost模块来减少参数,并使用h-swish激活函数提高精度.为了凸显二值化过程中彩色仪表的色彩信息,在数字提取过程,研究了一种基于彩色模型多阈值分割的数字二值化方法,对RGB图像的色彩主色进行增强,然后转化为HSI图像,并且通过多阈值处理将满足条件的像素点保留,从而得到二值化图像,相比于传统图像预处理算法可以更好地提取数字信息.实验结果表明改进的识别方法在测试集上准确率达到87.98％mAP,检测速度提高到37.2 FPS,在数字仪表定位识别中效果显著.
文献关键词：
YOLOv4;GhostNet;数字识别;仪表检测
中图分类号：
作者姓名：
侯卓成;欧阳华;胡鑫;尹洋
作者机构：
海军工程大学电气工程学院 武汉430033
文献出处：
引用格式：
[1]侯卓成;欧阳华;胡鑫;尹洋-.基于改进的YOLOv4彩色数字仪表读数识别方法)[J].电子测量技术,2022(06):124-129
A类：
多阈值处理
B类：
YOLOv4,色数,数字仪表,仪表读数识别,仪表识别,减少计算量,GhostNet,主干网络,深度可分离卷积,swish,激活函数,提高精度,中彩,色彩信息,数字提取,多阈值分割,RGB,HSI,满足条件,像素点,二值化图像,图像预处理,理算,数字信息,测试集,mAP,检测速度,FPS,定位识别,数字识别,仪表检测
AB值：
0.409415
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。
