期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到4篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于LEE-YOLOv7的输电线路边缘端实时缺陷检测方法 被引量：10
1
作者 胡晨龙 裴少通 +4 位作者 刘云鹏 杨文杰 杨瑞 张行远 刘海峰 《高电压技术》 EI CAS CSCD 北大核心 2024年第11期5047-5057,I0012,I0013,共13页
边缘计算设备已广泛应用于无人机输电线路巡检中,但边缘端设备较低的功率及算力限制了其检测速度与精度,针对以上问题,该文对YOLOv7目标检测算法进行改进,提出一种基于LEE-YOLOv7的输电线路边缘端缺陷诊断方法。首先,采用Mosaic-9数据... 边缘计算设备已广泛应用于无人机输电线路巡检中,但边缘端设备较低的功率及算力限制了其检测速度与精度,针对以上问题,该文对YOLOv7目标检测算法进行改进,提出一种基于LEE-YOLOv7的输电线路边缘端缺陷诊断方法。首先,采用Mosaic-9数据增强方法改进训练阶段的输入端,提高网络的泛化能力;而后引入LCnet网络改造主干网络部分,减少冗余参数,轻量化网络;然后,采用Meta-ACON激活函数及Wise-IoU损失函数优化网络;最后在推理过程中使用Deepstream技术调用TensorRT模块实现模型重构、优化及加速。经实验验证,LEE-YOLOv7对10种常见输电线路多尺寸缺陷的识别平均准确率达到92.3%,相比原版YOLOv7算法提高了2.8%,且检测速度提升了38帧/s,达到53帧/s。采用Deepstream调用TensorRT模块进行推理过程的优化加速后,在Nvidia Jetson Xavier NX边缘端模块上,实现了91.2%的平均准确度及79帧/s的检测速度,满足了边缘端准确实时的输电线路缺陷检测要求。 展开更多
关键词 边缘计算 输电线路 deepstream 缺陷检测 深度学习 TensorRT
原文传递
基于深度学习的冶炼工人安全着装监测系统 被引量：2
2
作者 范亚龙 李琦 于令君 《科学技术与工程》 北大核心 2023年第31期13626-13631,共6页
为解决铜冶炼作业过程中工人安全着装穿戴不规范导致的安全生产问题,设计一种基于深度学习的冶炼工人安全着装监测系统。首先,在充分对比实验的基础上,选择准确性高且满足实时性要求的YOLOv5l作为工人安全着装目标检测模型,实验结果表明... 为解决铜冶炼作业过程中工人安全着装穿戴不规范导致的安全生产问题,设计一种基于深度学习的冶炼工人安全着装监测系统。首先,在充分对比实验的基础上,选择准确性高且满足实时性要求的YOLOv5l作为工人安全着装目标检测模型,实验结果表明mAP@0.5、F_(1)-Score分别为84.3%、90.8%,平均单帧检测时间为13 ms;其次,设计基于时空关系分析的工人安全着装推理算法,依据监测结果进行时空关系分析,实现对工人安全着装穿戴不规范现象的智能分析报警;最后,将YOLOv5l部署到DeepStream框架中结合推理算法构建安全着装监测系统,实现对违规现象声光报警、录制违规视频、上传移动端显示报警详情。经生产现场验证,系统误检率为4.8%、漏检率为2.7%,可有效提高铜冶炼安全监管水平。 展开更多
关键词 深度学习 安全着装 YOLOv5l 时空关系分析 deepstream
在线阅读 下载PDF
烧结机台车缺陷部件在线智能检测系统设计与实现 被引量：2
3
作者 杨虎生 王月明 +2 位作者 张昊 梅佳锐 陈龙 《烧结球团》 北大核心 2024年第4期10-18,共9页
烧结机台车是制取烧结矿的关键设备,为避免由台车上的箅条缺失、车轮锁紧螺母缺失与车轮脱落引发的生产事故,提高烧结生产效率。本文根据台车实际运行状况,在硬件层面制定了故障检测方案,构建了基于YOLOv7与DeepStream的烧结机台车缺陷... 烧结机台车是制取烧结矿的关键设备,为避免由台车上的箅条缺失、车轮锁紧螺母缺失与车轮脱落引发的生产事故,提高烧结生产效率。本文根据台车实际运行状况,在硬件层面制定了故障检测方案,构建了基于YOLOv7与DeepStream的烧结机台车缺陷部件检测系统。系统选取YOLOv7网络模型在缺陷部件数据集上训练,将YOLOv7模型训练所得权重文件部署在DeepStream6.1平台进行加速推理,并采用Kafka消息组件推送推断结果。试验结果表明,YOLOv7对所有类别检测的平均准确率为0.991,可用于缺陷部件的目标检测。系统实时监测烧结机台车运行情况,对Kafka消息进行解析,实现故障判定规则,通过实时的故障判定、存储、显示及预警实现烧结机台车缺陷部件智能化检测,为烧结机台车缺陷部件检修提供了一种新的解决方案。 展开更多
关键词 烧结机 台车 缺陷部件 YOLOv7 deepstream 检测系统
原文传递
基于Jetson TX2的路面裂缝检测系统设计 被引量：4
4
作者 张宇昂 李琦 +1 位作者 薛芳芳 于令君 《公路》 北大核心 2023年第12期337-343,共7页
针对目前采用深度学习框架的路面裂缝检测方法存在落地应用难、成本高与效率低等问题,设计了基于Jetson TX2的路面裂缝检测系统。通过YOLOv5网络识别路面裂缝,使用U-Net网络对裂缝目标进行分割,并根据分割结果进行路面健康评价;其次,利... 针对目前采用深度学习框架的路面裂缝检测方法存在落地应用难、成本高与效率低等问题,设计了基于Jetson TX2的路面裂缝检测系统。通过YOLOv5网络识别路面裂缝,使用U-Net网络对裂缝目标进行分割,并根据分割结果进行路面健康评价;其次,利用TensorRT方法优化深度学习模型,提高推理速度;最后,结合DeepStream框架设计路面视频流分析系统并部署到Jetson TX2嵌入式平台。实验结果表明:路面裂缝目标检测模型对横向、纵向和网状裂缝3种路面常见路面裂缝的检测精度均达到了90%以上,且模型优化后的推理速度为30.7ms/帧,速率提升35.1%;最后经过验证,Jetson TX2嵌入式平台的裂缝漏检率较低且满足路面裂缝检测的实时性,能够降低路面裂缝检测的成本,给出相应的维修建议,提高路面裂缝检测效率与自动化程度。 展开更多
关键词 路面检测 裂缝检测 深度学习 TensorRT Jetson TX2 deepstream
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部