针对当前应急消防、安防巡检等场景中车底螺栓检测系统普遍存在的目标检测计算量大、推理速度慢、模型复杂度高等问题,提出了一种基于YOLOv5s的轻量化车底螺栓目标检测系统。消防车辆底部螺栓长期承受高频振动和复杂路况冲击,易出现松...针对当前应急消防、安防巡检等场景中车底螺栓检测系统普遍存在的目标检测计算量大、推理速度慢、模型复杂度高等问题,提出了一种基于YOLOv5s的轻量化车底螺栓目标检测系统。消防车辆底部螺栓长期承受高频振动和复杂路况冲击,易出现松动、脱落等结构性隐患,严重威胁出警安全,需定期检测其紧固状态。为此,设计了具备工程适应性的轻量化检测模型。该系统在YOLOv5s的基础上进行了三方面优化:引入双向特征金字塔网络(Bidirectional Feature Pyramid Network,BiFPN)结构提升小目标特征融合能力,采用Bottleneck残差结构通道剪枝以降低模型复杂度,并用更具几何表达能力的缩放交并比(Scaled Intersection over Union,SIOU)替代完全交并比(Complete Intersection over Union,CIOU),以提升预测框对螺栓边界的匹配精度。试验在自建的消防车辆车底模拟平台上开展,结果表明,YOLOv5sSC35%模型在平均精度均值mAP提升3.8百分点的同时,推理速度提升26.1%,参数量和计算量分别减小32.4%和50.1%。该方法能快速准确识别三类典型螺栓,误检漏检率显著降低,特别适用于边缘设备部署,如消防站内的车底检测机器人、便携式嵌入式检测终端等计算资源有限的设备场景。系统可集成到消防站现有的检测机器人或日常车辆维护流程中,识别准确率高,检测速度快,部署成本低,能显著提升底盘隐患排查效率,减少人工劳动。展开更多
文摘针对当前应急消防、安防巡检等场景中车底螺栓检测系统普遍存在的目标检测计算量大、推理速度慢、模型复杂度高等问题,提出了一种基于YOLOv5s的轻量化车底螺栓目标检测系统。消防车辆底部螺栓长期承受高频振动和复杂路况冲击,易出现松动、脱落等结构性隐患,严重威胁出警安全,需定期检测其紧固状态。为此,设计了具备工程适应性的轻量化检测模型。该系统在YOLOv5s的基础上进行了三方面优化:引入双向特征金字塔网络(Bidirectional Feature Pyramid Network,BiFPN)结构提升小目标特征融合能力,采用Bottleneck残差结构通道剪枝以降低模型复杂度,并用更具几何表达能力的缩放交并比(Scaled Intersection over Union,SIOU)替代完全交并比(Complete Intersection over Union,CIOU),以提升预测框对螺栓边界的匹配精度。试验在自建的消防车辆车底模拟平台上开展,结果表明,YOLOv5sSC35%模型在平均精度均值mAP提升3.8百分点的同时,推理速度提升26.1%,参数量和计算量分别减小32.4%和50.1%。该方法能快速准确识别三类典型螺栓,误检漏检率显著降低,特别适用于边缘设备部署,如消防站内的车底检测机器人、便携式嵌入式检测终端等计算资源有限的设备场景。系统可集成到消防站现有的检测机器人或日常车辆维护流程中,识别准确率高,检测速度快,部署成本低,能显著提升底盘隐患排查效率,减少人工劳动。
