科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对井下承人装置违规检测大多是监工人员现场监督效率低下、矿井光照不均匀的问题，提出利用自适应伽马变换图像增强与改进的YOLOv3网络相结合的实时检测方法。首先构建了矿井承人装置数据集，采用自适应伽马变换对井下图像进行亮度校正，然后改进了YOLOv3的分类器，为了进一步提高模型的性能，引入SENet结构来增强网络的全局接受范围。在自制数据集上的实验结果表明，嵌入SENet结构的YOLOv3网络可以达到94.6%的准确率和91.8%的召回率，可以显著提高井下承人装置违规的检测精度。同时，该网络检测速度每秒达到42.54帧，满足实时性要求。
- 单位
