基于改进PPYOLOE-R的信息码矫正研究

作者：赵云涛; 肖俊杰; 李维刚; 熊雅婷

来源：计算机工程, 2023, 1-12.

DOI：10.19678/j.issn.1000-3428.006768127

• 信息码矫正
• AI边缘计算
• PPYOLOE-R
• ESNet
• 动态卷积
• 模型融合

信息码识别技术推动着社会的进步，使人们的生活更便捷。由于所处拍照环境影响，信息码识别效果有待提高，而且信息码角度倾斜也会影响解码正确率，本文以基于信息码的电力互感器误差试验接线判断为背景，在AI边缘计算设备上进行改进PPYOLOE-R的信息码矫正研究。首先以PPYOLOE-R检测算法为基础，融合轻量级网络ESNet，在提升精度同时降低模型参数量；其次，引入动态卷积进一步加强特征提取，减少模型因下采样中的信息丢失，加强模型通道特征提取能力；最后为满足AI边缘设备上实时性要求，采用模型融合技术将推理模型进行融合，保证模型精度不变的情况下，提升模型检测速度。为丰富数据集，采用两步旋转数据增强和Mosaic + Mixup数据增强方法，充分利用数据集中已有信息，提高模型学习能力。实验表明，改进后算法精度达到89.46%，较原模型提升了1.95%，检测照片速度从154ms每张提升至50ms每张。相较其他算法，所改进的算法有着体积小和速度快优势，通过算法矫正后的信息码，可显著提高解码效率和正确率。

• 单位
  武汉科技大学