马钰淮,武向军,孙红,李海虹

• 1:太原科技大学机械工程学院

摘要(Abstract)：

基于计算机视觉的机械装置检测技术虽然已有研究，但大多检测效率低。为此提出基于改进的YOLO v3算法的机械装置识别方法，对YOLO v3算法进行剪枝优化研究，即通过对图像数据标注，构建机械装置红外图像数据集；运用L1正则化将神经网络稀疏化进而剔除冗余通道，以达到网络精简。实验结果表明，进行剪枝后的目标检测算法综合性能有较大提升，其模型体积缩小82.14%,运行速度加快74.38%,准确率为92.47%,检测速率为27.9 fps.通过性能对比分析，证实此方法在满足检测准确率条件下显著提高了检测速率，降低检测所使用设备的硬件要求及功耗，易于满足实际中对机械装置快速识别检测的要求。

关键词(KeyWords)： 深度学习;目标检测;剪枝优化;机械装置识别

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金(51541501);; 山西省留学回国人员科研基金(HGKY2019087)

作者(Author): 马钰淮,武向军,孙红,李海虹

参考文献(References)：

• [1] 王耀南，陈铁健，贺振东，等.智能制造装备视觉检测控制方法综述[J].控制理论与应用，2015,32(3):273-286.
• [2] GIRSHICK R,DONAHUE J,DARRELL T,et al.Rich feature hierarchies for accurate object detection and semantic segmentation[C]//2014 IEEE Conference on Computer Vision and Pattern Recognition,Columbus,OH,USA,2014:580-587.
• [3] GIRSHICK R.Fast R-CNN[C]//2015 IEEE International Conference on Computer Vision,Santiago,Chile,2015:1440-1448.
• [4] REN S,HE K,GIRSHICK R,et al.Faster R-CNN:Towards real-time object detection with region proposal networks[J].IEEE Transactions on Pattern Analysis & Machine Intelligence,2017,39(6):1137-1149.
• [5] REDMON J,DIVVALA S,GIRSHICK R,et al.You only look once:Unified,real-time object detection[C]// 2016 IEEE Conference on Computer Vision and Pattern Recognition,Las Vegas,NV,USA,2016:779-788.
• [6] REDMON J,FARHADI A.YOLO9000:better,faster,stronger[C]//2017 IEEE Conference on Computer Vision and Pattern Recognition,Honolulu,HI,USA,2017:6517-6525.
• [7] REDMON J,FARHADI A.YOLO v3:an incremental improvement[J].IEEE Conference on Computer Vision and Pattern Recognition,2018(1):89-95.
• [8] 方明，孙腾腾，邵桢.基于改进YOLO v2的快速安全帽佩戴情况检测[J].光学精密工程，2019,27(5):1196-1205.
• [9] 吴天舒，张志佳，刘云鹏，等.基于改进SSD的轻量化小目标检测算法[J].红外与激光工程，2018,47(7):47-53.
• [10] 吴言枫，王延杰，孙海江，等.复杂动背景下的“低小慢”目标检测技术[J].中国光学，2019,12(4):160-172.
• [11] 贾鑫，张惊雷，温显斌.双监督信号深度学习的电气设备红外故障识别[J].红外与激光工程，2018,47(7):32-38.
• [12] 吴贺贺，王安红，王海东.基于Faster R-CNN的隧道图像裂缝检测[J].太原科技大学学报，2019,40(3):165-168.
• [13] 范丽丽，赵宏伟，赵浩宇，等.基于深度卷积神经网络的目标检测研究综述[J].光学精密工程，2020,28(5):1152-1164.
• [14] 王春哲，安军社，姜秀杰，等.基于卷积神经网络的候选区域优化算法[J].中国光学，2019,12(6):1348-1361.