基于SS-YOLO算法的管廊巡检机器人视觉检测技术研究与实现

来源 :重庆邮电大学 | 被引量 : 0次 | 上传用户:whb35750
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着城市化的快速发展,城市综合管廊的建设开始陆续推进。城市综合管廊的安全与人民群众的生命安全和财产安全息息相关,因此城市综合管廊的缺陷检测至关重要。传统的检测需要人工观察机器人传回的实时视频,检测的成本较高同时无法保证检测的准确率。目标检测算法可以实时地检测视频中管廊常出现的缺陷,不需要人工观察,同时检测的精度较高。因此,研究目标检测算法的改进以及将目标检测算法用在管廊的缺陷检测具有重要意义。管廊巡检机器人的计算能力相对于台式机图形处理器较低。针对目标检测算法在检测速度达到要求时无法保证检测精度的问题,本文对YOLOv3-Tiny进行改进,提出一种新的目标检测算法用于城市综合管廊的检测,主要研究内容如下:针对YOLOv3-Tiny检测精度较低的问题,本文改进了其特征提取网络。在Shuffle Net V2网络结构的基础上,根据特征图中每个通道的重要性得到每个通道的权重,权重与特征图中每一个通道相乘,实现在通道维度上对特征图进行重标定。通过上述改进得到Shuffle_Senet模块,基于此模块创建了特征提取网络。本文使用kmeans++算法获取先验框,在初始化聚类中心时会考虑距离的因素,避免了可能会陷入局部最优的问题。通过上述对YOLOv3-Tiny改进,提出了一种新的算法SS-YOLO,用来检测城市综合管廊中的缺陷。针对数据集较少无法满足目标检测算法训练需要的问题,本文利用深度卷积生成对抗网络模型生成缺陷样本增加数据集。本文从数据集中提取部分数据训练深度卷积生成对抗网络模型,训练后生成与原始数据集的特征相同的数据集,从而丰富目标检测算法的训练集,提高检测的精度。由实验结果可知,本文改进后得到的SS-YOLO每秒传输帧数(Frames Per Second,FPS)比YOLOv3-Tiny高出4帧,平均精度均值(mean average precision,MAP)高出6.5%,检测的速度和精度都超过改进之前的算法。在城市综合管廊的检测中,本文采用的SS-YOLO算法检测的平均精度均值达到了0.895,相比YOLOv3-Tiny的0.735,有了明显的提高。由实验结果表明,本文提出的SS-YOLO可以满足城市综合管廊缺陷检测的需要。
其他文献
国际法乃崛起大国之制度重器。从历史发展的进程来看,葡萄牙、西班牙、尼德兰、英国、法国、美国等大国无一不借助国际法创造更加有利的成长环境,而且其成长的质量和水平更是
2008年12月31日下午3点18分,又一项工程机械领域世界纪录在三一诞生。由三一重工自主研制的世界最长72m架混凝土输送泵车成功下线。72m臂架混凝土输送泵车并不是对原有66m泵车
随着大数据和人工智能时代的发展,互联网中个人信息权益受损问题日益严重,尤其是定向广告中不合理的个人信息处理行为可能直接或间接地侵犯用户的个人信息权益。而针对这一问题,我国现有的学术研究主要讨论个人信息保护的基础理论,对定向广告的特殊关注较少,现行立法则缺少专门的《个人信息保护法》和针对定向广告的高位阶法律规范,其他配套法律机制也不够健全。因此,笔者认为对定向广告中的个人信息法律保护问题有进一步研究
1临床病例26例患者(男15例,女11例)均经胸部CT、支气管镜或胸膜活检术确诊为肺癌.其中腺癌23例、鳞癌1例、小细胞癌2例.患者随机分为3组,Ⅰ组8例,胸腔内每周2次注入沙培林(由
当房地产业发展到一定阶段时,品牌将成为房地产企业持续发展的制胜法宝.房地产品牌应建立在诚信的基础上,并从物业品牌与企业品牌两方面同时入手,在开发经营的全过程中创立.