基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为解决液压支架工长时间作业过程中,因身体疲劳不能及时发现护帮板未护帮的问题,采用实时性高的Tiny-YOLOv3算法检测护帮板状态,但检测任务会受到综采工作面尘雾的影响.因此,提出一种融合图像去雾与Tiny-YOLOv3的目标检测算法,并在此基础上优化图像去雾算法的CUDA实现,首先将暗通道图像用RGB单通道图像代替,然后按列分组求大气光值,合并初始透射率的kernel函数并优化精细化透射率计算方式,提升图像去雾速度,保证算法的实时性.实验结果表明,在煤矿护帮板状态检测场景中,融合算法比Tiny-YOLOv3算法的准确率提高了22.8%,且满足实时检测的要求.
推荐文章
基于增强型Tiny-YOLOV3模型的野鸡识别方法
农业
人工智能
嵌入式系统
野鸡识别
ET-YOLO
CenterNet检测结构
基于暗通道和改进YOLOv3的雾天车辆检测算法
雾天车辆检测
暗通道去雾算法
YOLOv3
K-means
先验框
注意力机制
融合双尺度暗通道的单图像去雾方法
图像去雾
双尺度
暗通道
融合
最大值滤波
向导滤波
雾霾降质图像去雾算法的研究
图像去雾
直方图均衡化
Retinex
暗通道先验
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 融合图像去雾与Tiny-YOLOv3的护帮板状态检测研究
来源期刊 太原科技大学学报 学科 工学
关键词 液压支架护帮板 目标检测 Tiny-YOLOv3 暗通道先验 图像去雾算法 CUDA
年,卷(期) 2022,(1) 所属期刊栏目 计算机科学与信息工程|Computer Science and Information Engineering
研究方向 页码范围 15-22,28
页数 9页 分类号 TP391
字数 语种 中文
DOI 10.3969/j.issn.1673-2057.2022.01.003
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2022(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
液压支架护帮板
目标检测
Tiny-YOLOv3
暗通道先验
图像去雾算法
CUDA
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
太原科技大学学报
双月刊
1673-2057
14-1330/N
大16开
山西省太原市万柏林区窊流路66号
22-34
1980
chi
出版文献量(篇)
2179
总下载数(次)
6
总被引数(次)
8489
论文1v1指导