基于深度学习的OBD端口占用状态自动识别算法

苏东, 余宁梅

西安理工大学 自动化与信息工程学院, 西安 710048

收稿日期:2019-09-03出版日期:2019-12-28发布日期:2019-11-15
通讯作者:余宁梅(1963-),女,教授,博士生导师,E-mail:yunm@xaut.edu.cn.E-mail:yunm@xaut.edu.cn
作者简介:苏东(1979-),男,硕士生.

Research on Automatic Recognition Algorithm of OBD Port Occupancy State Based on Deep Learning

SU Dong, YU Ning-mei

School of Automation and Information Engineering, Xi'an University of Technology, Xi'an 710048, China

Received:2019-09-03Online:2019-12-28Published:2019-11-15

摘要/Abstract

摘要： 针对光分路器（OBD）端口占用状态不能自动采集的问题，提出了一种改进型YOLOv3算法.增加第4个上采样特征图，提升高分辨率下密集小物体检测敏感度；针对端口固定高宽比特征，利用k-means聚类算法重新确定目标候选框个数和高宽比；提出软非极大值抑制算法，缓解端口靠近且被遮挡情况下引起的漏检、误检；针对4种疑难生产场景下的端口占用状态完成检测.实验结果表明，改进后的YOLOv3准确率达90.12%，相比原YOLOv3提升了5.17%.改进后的算法对于端口类物体具有更高的检测准确率.
中图分类号:
TN913.7

引用本文

苏东, 余宁梅. 基于深度学习的OBD端口占用状态自动识别算法[J]. 北京邮电大学学报, 2019, 42(6): 49-57.
SU Dong, YU Ning-mei. Research on Automatic Recognition Algorithm of OBD Port Occupancy State Based on Deep Learning[J]. JOURNAL OF BEIJING UNIVERSITY OF POSTS AND TELECOM, 2019, 42(6): 49-57.





PDF全文下载地址:

https://journal.bupt.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=4593