典型文献
面向精确定位的钢包运输车车号罐号识别算法
文献摘要：
为了提高基于计算机视觉的钢包运输车车号罐号检测定位的准确性,降低在污损情况下的检测误差,减少罐号面积较小导致的漏检问题以及提升检测速度,提出一种基于改进YOLOv5网络的车号罐号检测识别方法.通过在特征提取网络中加入注意力机制,增强模型的特征提取能力;通过将骨干网络升级为轻量级的GhostBottleNeck加快了模型的推理速度;通过对目标字符进行仿射变换,将扭曲变形字符转换为接近正面视角,进而利用改进的ResNet网络进行单字符识别.结果表明,改进后的网络在钢包车号定位的精度达到了 90.3％,召回率为87.3％,最终号码识别准确率为97.7％,说明该方法可有效实现钢包运输车车号罐号的精确定位与识别,为智能化管理提供可靠的数据支持.
文献关键词：
号码识别;精确定位;注意力机制;YOLOv5
中图分类号：
作者姓名：
张继凯;梁勇;周亚辉;柴轶凡
作者机构：
内蒙古科技大学 包头014010
文献出处：
引用格式：
[1]张继凯;梁勇;周亚辉;柴轶凡-.面向精确定位的钢包运输车车号罐号识别算法)[J].电子测量技术,2022(06):162-170
A类：
GhostBottleNeck,变形字符,字符转换,车号定位
B类：
精确定位,钢包,包运,运输车,车车,识别算法,计算机视觉,检测定位,污损,检测误差,漏检,检测速度,YOLOv5,检测识别,特征提取网络,注意力机制,增强模型,特征提取能力,骨干网络,网络升级,轻量级,推理速度,仿射变换,扭曲变形,ResNet,单字,字符识别,包车,召回率,号码识别,识别准确率,智能化管理
AB值：
0.367844
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。
