计算机应用

作者：佘维, 郑倩, 田钊, 刘炜, 李英豪

单位：1.郑州大学 软件学院，郑州 450002；2.互联网医疗与健康服务河南省协同创新中心（郑州大学），郑州 450052

关键词：目标检测,气门识别,YOLO方法,霍夫圆变换,二次识别

基金：国家重点研发计划项目(2020YFB1712401);河南省科技攻关项目(212102310039);中国铁路北京集团公司科技研究开发计划(2021AY03)

针对目前工业中的气门识别方法存在重叠目标漏检率高、检测精度较低、目标包裹度差、圆心定位不准的问题，提出了一种基于双重检测的气门识别方法。首先，运用数据增强对样本进行轻量扩充；其次，以深度卷积网络为基础，加入空间金字塔池化层（SPP）和路径聚合网络（PAN），同时调整先验框，改进损失函数，从而提取气门预测框；最后，以霍夫圆变换（CHT）方法对预测框中的气门进行二次识别，从而达到精准识别气门区域的目的。把所提方法和原YOLOv3、YOLOv4、传统CHT方法进行对比，并采用精确率、召回率、交并比联合进行检测效果评估。实验结果表明，所提出的方法在检测精度和召回率上分别达到了97.1%和94.4%，相较原YOLOv3方法分别提高了2.9个百分点和1.8个百分点；且该方法使目标包裹度更好，目标中心点的定位更准确，其矫正框和真实框的交并比（IOU）达到了0.95，与传统CHT方法相比提高了0.05。所提方法在提高模型识别准确率的同时提高了目标抓取的成功率，在实际应用中有一定的实用价值。

来源：2022年第1期

《计算机应用》期刊编辑部

查看计算机应用杂志2022年第1期