基于机器视觉的巡检机器人目标检测研究

摘要：

为提高基于机器视觉的巡检机器人目标识别准确率和检测速度,提出一种基于改进YOLOv3 网络的目标检测识别方法.所提方法利用PANet优化YOLOv3 网络路径和自适应池化结构,采用深度可分离卷积替代其标准卷积,以提高YOLOv3 网络识别精度和检测速度,并基于改进的YOLOv3 网络进行目标检测,实现了高精度、快速率的巡检机器人目标检测.仿真结果表明,所提方法相较于标准YOLOv3 网络和常规目标检测网络SSD、DenseBox以及Faster RCNN,在准确率和检测速度方面具有明显的优势,均值平均精度达到84.44%,每秒帧率达到 30 帧/s,可实现基于机器视觉的巡检机器人实时检测.

关键词：机器视觉、巡检机器人、变电站巡检、YOLOv3网络

所属期刊栏目：52

分类号：TP23(自动化技术及设备)

在线出版日期：2023-09-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：62-66