基于改进YOLOv4的施工机械检测方法

作者：王仁超; 解加凯^*; 毛三军

来源：土木工程与管理学报, 2023, 40(02): 16-23.

DOI：10.13579/j.cnki.2095-0985.2023.20220473

• 施工机械检测
• YOLOv4
• 轻量化网络
• 深度可分离卷积
• 注意力机制

为提升施工现场管理水平，实现复杂施工场景下施工机械的实时检测，本文提出一种基于改进YOLOv4的施工机械检测方法。基于YOLOv4目标检测模型，将网络中普通3×3卷积替换为深度可分离卷积，使用轻量化特征提取网络替换模型主干网络，降低模型大小和参数量，提升模型检测速度。除此之外，在网络中添加注意力机制，在不影响检测速度的前提下提升模型检测精度。实验证明，本文提出的M1-DSC-YOLOv4+ECA算法在自制施工机械数据集上的平均准确率均值(mAP)达到了86.46%,检测速度为31.39 FPS,模型大小仅为原来的1/5,拥有高检测精度和实时检测速率，表明该算法能够满足施工场景下施工机械检测的准确性、实时性需求。

• 单位
  天津大学; 水利工程仿真与安全国家重点实验室