改进YOLOv4的油田作业现场烟火检测
为解决油田作业现场烟火预警依赖人工巡检、不能及时发现等问题,本文提出了改进的YOLOv4烟火检测算法.具体针对摄像头距离远导致的烟火目标小、不易被识别的问题,改进了网络特征融合部分,并添加金字塔卷积PyConv,增强细节提取能力、增大局部感受野.针对油田作业现场的复杂背景干扰问题,加入注意力机制,用于加强网络对重要特征的权重计算,同时减少非关键数据的计算量.最后通过聚类算法对目标样本锚定框优化,利用自建烟火数据集进行实验,实验结果证明,改进后的算法模型具有相当高的性能,MAP达到90%以上,能够在复杂背景下对较小烟火目标保持较高的识别率,说明改进后的算法在油田作业现场烟火识别中具有较高实用价值.
特征融合、金字塔卷积、注意力机制、烟火检测、YOLOv4、目标检测
31
TP391.41;TN911.73-34;TP181
黑龙江省自然科学基金项目;黑龙江省高等学校教改工程;东北石油大学研究生教育创新工程;黑龙江省省属本科高校基本科研业务费;东北石油大学引导性创新基金;黑龙江省优秀青年科学基金;黑龙江省教育科学规划重点课题
2022-06-22(万方平台首次上网日期,不代表论文的发表时间)
共7页
300-306