基于深度学习的门机抓斗检测方法

• 作者: 张文明 刘向阳 李海滨 李雅倩
• 来源期刊: 光电工程
• 学科: 交通运输
• 关键词: 抓斗检测 深度学习 YOLOv3-tiny 空间金字塔池化 反转残差组 空洞卷积
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 科研论文
• 页码范围: 14-23
• 页数: 10页
• 分类号: TP391.41|U653
• 语种: 中文
• DOI: 10.12086/oee.2021.200062

摘要

在港口门机抓斗装卸干散货的作业过程中,人眼观察无法精确判断抓斗所在位置,会带来工作效率低下及安全性等问题.为解决该问题首次提出了一种基于深度学习的门机抓斗检测方法.利用改进的深度卷积神经网络YOLOv3-tiny对抓斗数据集进行训练及测试,进而学习其内部特征表示.实验结果表明,基于深度学习的门机抓斗检测方法可实现门机抓斗检测速度每秒45帧,召回率高达95.78％,在很好满足检测实时性与准确性的同时,提高了工业现场作业的安全性及效率.