典型文献
基于机器视觉的中继器轻量化检测方法
文献摘要：
Remotely Operated Vehicle(ROV)以其灵活易操控的特点被广泛应用于水下搜救以及渔业养殖等领域.ROV执行完任务常通过中继器对其进行回收.针对浅水作业场景存在大量浮游生物,杂质以及不均匀的光照等不利因素影响ROV回收时中继器的精准检测以及安全回收时精准位姿估计对中继器检测提出的实时性要求,提出了一种基于机器视觉的实时轻量化检测方法Ghost_V4-CBAM.YOLOv4是具有高精度、强鲁棒性的目标检测算法,但部署至嵌入式系统实时性较差.参考Ghostnet引入Ghost模块,以Ghost卷积替换原始YOLOv4算法终所有普通卷积,参数量及浮点数计算量分别减少了81.6％和89.4％.针对轻量化网络精度下降引入注意力机制使网络聚焦于检测中继器的重要特征,在YOLOv4的3个检测头前插入CBAM结构.参考DONN网络损失函数设计去除损失函数终分类损失,通过实验测试出最佳置信度损失与边界框定位损失权重比为1:3,最终网络平均精度为80.94％,相较原始网络下降不到1％.在公开AUV回收坞站数据集-UDID以及基于虚幻引擎UE4.26自建中继器仿真数据集上验证了Ghost_V4-CBAM算法的性能.最后通过Nvidia Tensorrt加速推理框架生成加速后的engine文件,然后基于Deepstream部署至ROV嵌入式主板Jetson XAVIER NX主板,最终实现60FPS检测速度.
文献关键词：
机器视觉;轻量化网络;目标检测;嵌入式部署;ROV回收
中图分类号：
作者姓名：
蔡向上
作者机构：
上海交通大学 船舶海洋与建筑工程学院,上海200240
文献出处：
引用格式：
[1]蔡向上-.基于机器视觉的中继器轻量化检测方法)[J].装备制造技术,2022(11):44-48
A类：
DONN,最佳置信度,UDID,Tensorrt,Deepstream,XAVIER,60FPS
B类：
机器视觉,中继器,量化检测,Remotely,Operated,Vehicle,ROV,操控,搜救,渔业养殖,浅水,浮游生物,不利因素,精准检测,安全回收,准位,位姿估计,V4,CBAM,YOLOv4,目标检测算法,嵌入式系统,Ghostnet,参数量,浮点数,计算量,轻量化网络,注意力机制,个检,检测头,头前,络损,损失函数,实验测试,试出,置信度损失,边界框定,失权,权重比,AUV,虚幻引擎,UE4,仿真数据,Nvidia,engine,主板,Jetson,NX,检测速度,嵌入式部署
AB值：
0.379147
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。
