为保障铁路运营安全,防范行人、家畜、野生动物等侵入铁路线路,提出基于深度学习的铁路异物侵入界限(简称:侵限)检测模型。针对铁路异物侵限的图像数据(简称:数据)集缺乏且难以采集的现实情况,通过多种途径自建铁路场景专用的异物侵限...为保障铁路运营安全,防范行人、家畜、野生动物等侵入铁路线路,提出基于深度学习的铁路异物侵入界限(简称:侵限)检测模型。针对铁路异物侵限的图像数据(简称:数据)集缺乏且难以采集的现实情况,通过多种途径自建铁路场景专用的异物侵限数据集,并引入多种数据增强技术,对数据集进行扩增,既增强了样本的多样性、又能有效避免训练阶段过拟合现象的发生;针对铁路场景的特殊性,对YOLO(You Only Look Once)v5深度学习模型结构进行一些适应性改进,将其作为铁路异物侵限检测模型,在自制数据集样本上进行训练和测试。测试结果表明,该模型的检测准确率达到88%以上,能够用于铁路现场对异物侵限的检测。展开更多
针对电力巡线无人机检测绝缘子缺陷,具有缺陷绝缘子样本数据不均衡、采集难度大等问题,提出一种基于YOLOV5(you only look once V5)算法的绝缘子异常检测模型。首先借助YOLOV5目标检测算法定位绝缘子位置,再把绝缘子图像输入到残差网络...针对电力巡线无人机检测绝缘子缺陷,具有缺陷绝缘子样本数据不均衡、采集难度大等问题,提出一种基于YOLOV5(you only look once V5)算法的绝缘子异常检测模型。首先借助YOLOV5目标检测算法定位绝缘子位置,再把绝缘子图像输入到残差网络提取多层金字塔特征,然后通过K邻近值算法判断特征层像素是否为离群点,由此可判断绝缘子是否存在缺陷。所提方法无须负样本绝缘子图像,仅通过正样本即可训练网络;与常用方法相比,所提算法的准确率和召回率均为最高,表明所提方法泛化性和稳定性较好。展开更多
基于YOLOv3模型的侧扫声呐沉船目标检测方法存在小目标漏警率高、模型权重大、检测速度未能满足实时性需求等问题,根据数据集特点,提出基于YOLOv5模型的侧扫声呐海底沉船目标检测方法。在YOLOv5模型的基础框架下,构建YOLOv5a、YOLOv5b、...基于YOLOv3模型的侧扫声呐沉船目标检测方法存在小目标漏警率高、模型权重大、检测速度未能满足实时性需求等问题,根据数据集特点,提出基于YOLOv5模型的侧扫声呐海底沉船目标检测方法。在YOLOv5模型的基础框架下,构建YOLOv5a、YOLOv5b、YOLOv5c、YOLOv5d、YOLOv5s、YOLOv5m、YOLOv5l和YOLOv5x 8种不同深度和宽度的模型结构进行对比实验,并选择最优的结构,使用GA+K(genetic algorithm and K-means)算法优化检测框,并对损失函数进行改进。实验结果表明,改进的YOLOv5a模型在交并比阈值设置为0.5和0.5~0.95的平均准确率分别较原始模型提高了0.3%和0.6%,较YOLOv3算法分别提高了4.2%和6.1%,检测速度达到426帧/s,提升了近一倍,更加益于实际应用和工程部署。展开更多
文摘为保障铁路运营安全,防范行人、家畜、野生动物等侵入铁路线路,提出基于深度学习的铁路异物侵入界限(简称:侵限)检测模型。针对铁路异物侵限的图像数据(简称:数据)集缺乏且难以采集的现实情况,通过多种途径自建铁路场景专用的异物侵限数据集,并引入多种数据增强技术,对数据集进行扩增,既增强了样本的多样性、又能有效避免训练阶段过拟合现象的发生;针对铁路场景的特殊性,对YOLO(You Only Look Once)v5深度学习模型结构进行一些适应性改进,将其作为铁路异物侵限检测模型,在自制数据集样本上进行训练和测试。测试结果表明,该模型的检测准确率达到88%以上,能够用于铁路现场对异物侵限的检测。
文摘针对电力巡线无人机检测绝缘子缺陷,具有缺陷绝缘子样本数据不均衡、采集难度大等问题,提出一种基于YOLOV5(you only look once V5)算法的绝缘子异常检测模型。首先借助YOLOV5目标检测算法定位绝缘子位置,再把绝缘子图像输入到残差网络提取多层金字塔特征,然后通过K邻近值算法判断特征层像素是否为离群点,由此可判断绝缘子是否存在缺陷。所提方法无须负样本绝缘子图像,仅通过正样本即可训练网络;与常用方法相比,所提算法的准确率和召回率均为最高,表明所提方法泛化性和稳定性较好。
文摘基于YOLOv3模型的侧扫声呐沉船目标检测方法存在小目标漏警率高、模型权重大、检测速度未能满足实时性需求等问题,根据数据集特点,提出基于YOLOv5模型的侧扫声呐海底沉船目标检测方法。在YOLOv5模型的基础框架下,构建YOLOv5a、YOLOv5b、YOLOv5c、YOLOv5d、YOLOv5s、YOLOv5m、YOLOv5l和YOLOv5x 8种不同深度和宽度的模型结构进行对比实验,并选择最优的结构,使用GA+K(genetic algorithm and K-means)算法优化检测框,并对损失函数进行改进。实验结果表明,改进的YOLOv5a模型在交并比阈值设置为0.5和0.5~0.95的平均准确率分别较原始模型提高了0.3%和0.6%,较YOLOv3算法分别提高了4.2%和6.1%,检测速度达到426帧/s,提升了近一倍,更加益于实际应用和工程部署。
