基于深度学习的标准金属量器液位图像检测方法

• 作者: 潘嘉鹏 杨荣淇 金荣品 赵翠莲
• 来源期刊: 计量与测试技术
• 学科: 工学
• 关键词: 标准金属量器 液位识别 YOLOv4
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 计量方法与应用|Measuring Method and Application
• 页码范围: 66-71
• 页数: 6页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.15988/j.cnki.1004-6941.2022.2.021

摘要

传统基于灰度梯度分割的液位识别方法容易受到光照、清晰度等因素的影响,鲁棒性较低.为了解决这一问题,本文提出采用深度学习的液位图像检测算法;针对量器玻璃管液位线特点裁剪网络压缩卷积层,加快提取速度;使用K-means聚类设计先验框,增强尺度适应性.实验结果表明,基于YOLOv4的改进模型在液位线动态识别中,平均准确率mAP达到98.63％,帧处理速度达到了40fps.