改进YOLOv3的工业指针式仪表检测方法

摘要

针对工业应用中的指针式仪表自动检测识别任务,为解决指针式仪表检测过程中所涉及到的小目标检测性能不足与检测速度慢的问题,提出一种改进版本的YOLOv3检测算法.使用网络爬虫及数据增强扩充数据集,通过Kmeans++初始化的Mini Batch Kmeans方法对数据集聚类得到先验框;使用轻量级网络MobileNet框架与设计的适应样本的损失函数,得到改进模型.理论分析和实验结果表明,在指针式仪表检测任务中,所提算法的平均精度达92.8％,对小目标检测效果明显增强,实时性大大提高,帧率提高了67％,具有更高鲁棒性的同时提高了网络的综合性能,为后续仪表的准确读数提供了有利保障.