基于WRLS-YOLOv4的大型工程机械检测

• 作者: 余长生 秦伦明 王悉 陈鹏
• 来源期刊: 现代信息科技
• 学科: 工学
• 关键词: 输电线路 目标检测 深度学习 YOLOv4
• 年，卷（期）: 2021,（23）
• 所属期刊栏目: 智能制造|Intelligent Manufacturing
• 页码范围: 159-161,166
• 页数: 4页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19850/j.cnki.2096-4706.2021.23.040

摘要

为解决大型工程机械不规范施工导致输电线路出现故障的问题,提出一种改进YOLOv4的大型工程机械设备检测方法.当前YOLOv4算法存在识别准确率低、漏检率高的缺点,文章借鉴热重启机制思想,设置学习率按余弦函数周期性衰减来减小loss值,提高识别准确率.引入标签平滑对正负样本的标签值进行微调整,避免网络过拟合,降低漏检率.实验结果表明,改进后的WRLS-YOLOv4算法识别大型工程机械较Faster-RCNN、SSD、YOLOv3、YOLOv4效果更好,能够为输电线路进行工程机械监测提供参考依据.