基于深度学习的仪表目标检测算法

• 作者: 孙顺远 杨挺
• 来源期刊: 仪表技术与传感器
• 关键词: 深度学习 目标检测 仪表检测 特征金字塔网络 卷积神经网络 数字识别
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 研究与开发|Research and Development
• 页码范围: 104-108
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1002-1841.2021.06.022

摘要

针对工业环境中仪表安装不固定,且存在大量干扰的问题.文中利用改进的SSD目标检测算法对仪表进行定位检测,并对数字进行识别.将SSD的基础网络更换为ResNet-50.接着加入特征金字塔FPN,增强对于小目标的检测.在位置回归中引入GIoU作为比较任意两个形状的新度量,将定位损失由Smooth L1 loss变为GIoU loss.最后利用4层卷积神经网络对数字式仪表进行读数.试验结果表明,该方法在测试集上达到78.96 mAP,0～9数字识别率达到98.3％.在仪表定位、数字识别中效果明显.