基于深度学习的液位仪表读数识别方法研究 |
| |
引用本文: | 李畅,王学军.基于深度学习的液位仪表读数识别方法研究[J].石家庄铁道大学学报(自然科学版),2023(1):120-126. |
| |
作者姓名: | 李畅 王学军 |
| |
作者单位: | 石家庄铁道大学信息科学与技术学院 |
| |
摘 要: | 变电站对高铁安全运行至关重要,为准确获取高铁变电站液位仪表的准确读数,基于YOLOX-S提出KN-YOLOX-S深度学习网络模型。在骨干网络中,引入Ghost卷积代替传统卷积层,降低网络的参数量和计算量,实现模型的轻量化;在SPPBotteneck模块中增加KNSE注意力模块,提高网络对空间信息的敏感度,增强有效特征信息的提取能力。实验表明,KN-YOLOX-S比YOLOX-S模型在mAP@0.50上提高0.4%,mAP@0.5:0.95提高0.54%,同时推理速度提高近2倍,满足高铁变电站液位表实时检测要求。
|
关 键 词: | 变电站 液位仪表 深度学习 实时检测 |
|
|