一种基于ResNet的车钩状态识别方法及其应用

• 作者: 郑亚平 苏震
• 来源期刊: 控制与信息技术
• 关键词: 状态识别 深度学习 边缘计算 计算机视觉 ResNet TensorRT 自动驾驶 机车
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 控制理论与应用|Control Theory & Application
• 页码范围: 37-40
• 页数: 4页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.13889/j.issn.2096-5427.2021.02.006

摘要

针对传统视觉方法在车钩状态识别方面存在的应用场景单一、实时性差、准确率低的问题,文章提出一种基于ResNet的车钩状态识别方法,其通过在原图上增加高斯噪声和修改曝光率、饱和度、角度等图像参数的方法进行数据增强,使车钩状态识别准确率在测试集上达到97％;利用开源加速库TensorRT 6.0将ResNet50模型部署到边缘计算平台,所测得的图片推理时间可满足机车自动驾驶中对车钩状态实时监控的要求.