基于YOLOv3改进的工业指针式仪表检测方法
打开文本图片集
摘要：随着巡检机器人的应用，泵站、变电站、实验室对指针自动检测识别的需求增加。YOLOv3方法是使用最广泛的基于深度学习的对象检测方法之一。它使用K-means（K均值聚类算法）聚类方法来估计预测边界框的初始宽度和高度。使用该方法估计的宽度和高度对初始聚类中心敏感且耗时。为了解决这些问题，文章从YOLOv3电表检测算法出发，提出了解决特定电表检测过程中涉及的目标检测性能不足的问题，取得了改进原有算法主干网络大、参数多、计算量大的弊端的成果。（剩余6072字）