典型文献
基于Coarse-to-fine注意力机制的指针式仪表读数识别
文献摘要：
为了解决变电站指针式仪表读数识别过程中所涉及到待检测目标尺度分布范围广泛,而导致特征金字塔在不同尺度上不一致性的问题,提出一种基于注意力机制的特征融合的改进的YOLOv3算法.通过利用注意力机制自动调整各尺度特征映射融合的空间权重,该模块包括两步:同比例放缩和基于注意力机制的特征融合.采用改进后的YOLOv3算法检测图片中仪表的表盘位置,然后根据Coarse-to-fine的思想,使用Mask R-CNN对表盘指针采取实例分割操作,并使用简单线性回归对仪表中的指针进行线性拟合,计算出指针斜率,最终计算仪表读数.实验结果表明,改进后的YOLOv3算法对指针式仪表的识别精度达到了91.85％,对小目标检测效果有较高的提升,使模型具有更好的鲁棒性.同时,实例分割算法与线性回归模型的结合也为指针式仪表读数的自动识别提供了新思路.
文献关键词：
指针式仪表;YOLOv3;注意力机制;特征融合;Coarse-to-fine
中图分类号：
作者姓名：
王进;简丽娜;孙涛;李磊;邱昌龙;王柳
作者机构：
国网安徽省电力有限公司铜陵供电公司,安徽 铜陵 244099;安徽南瑞继远电网技术有限公司,安徽 合肥 230088
文献出处：
引用格式：
[1]王进;简丽娜;孙涛;李磊;邱昌龙;王柳-.基于Coarse-to-fine注意力机制的指针式仪表读数识别)[J].工业控制计算机,2022(12):1-3,6
A类：
B类：
Coarse,fine,注意力机制,指针式仪表,仪表读数识别,变电站,识别过程,标尺,分布范围,特征金字塔,不同尺度,不一致性,特征融合,YOLOv3,自动调整,尺度特征,特征映射,空间权重,两步,放缩,表盘,Mask,实例分割,单线,线性拟合,识别精度,小目标检测,检测效果,分割算法,线性回归模型,自动识别
AB值：
0.255053
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。
