典型文献
基于改进YOLOv4的嵌入式变电站仪表检测算法
文献摘要：
随着机器人技术的快速发展,智能机器人广泛应用于变电站巡检,针对目前目标检测算法参数量过大且嵌入式设备性能有限,难以在嵌入式平台上实现实时检测的问题,提出了一种基于改进YOLOv4的嵌入式变电站仪表检测算法.以YOLOv4为基础,采用MobileNetV3作为主干特征提取网络,在保证模型能够有效提取特征的情况下,降低运算量,提高检测速度;与此同时,将特征提取后的路径聚合网络(PANet)中的卷积运算替换成深度可分离卷积;采用迁移学习的训练策略克服模型训练困难问题;最后,利用TensorRT对改进后的模型进行重构和优化,实现快速和高效的部署推理.改进后的算法在嵌入式端NVIDIA Jetson Nano上进行了测试,实验结果表明,在牺牲了较少精度的情况下,检测速度提高了2倍,达到15 FPS,为边缘计算场景下的仪表实时检测提供了可能.
文献关键词：
深度学习;变电站仪表;目标检测;YOLOv4;迁移学习
中图分类号：
作者姓名：
范新南;黄伟盛;史朋飞;辛元雪;朱凤婷;周润康
作者机构：
江苏省输配电装备技术重点实验室,江苏 常州 213022;河海大学物联网工程学院,江苏 常州 213022
文献出处：
引用格式：
[1]范新南;黄伟盛;史朋飞;辛元雪;朱凤婷;周润康-.基于改进YOLOv4的嵌入式变电站仪表检测算法)[J].图学学报,2022(03):396-403
A类：
变电站仪表
B类：
YOLOv4,仪表检测,机器人技术,智能机器人,变电站巡检,目标检测算法,算法参数,参数量,量过大,嵌入式设备,设备性能,嵌入式平台,实时检测,MobileNetV3,主干特征提取网络,有效提取,提取特征,运算量,高检,检测速度,路径聚合网络,PANet,卷积运算,替换成,深度可分离卷积,迁移学习,训练策略,模型训练,困难问题,TensorRT,NVIDIA,Jetson,Nano,FPS,边缘计算
AB值：
0.385823
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。
