排序方式: 共有3条查询结果,搜索用时 93 毫秒
1
1.
针对现有的金属氧化物避雷器(Metal Oxide Arrester,MOA)红外图像故障检测方法存在识别精度低、检测速度较慢的问题,提出一种基于改进YOLOv3的MOA红外图像故障检测方法。首先,以Darknet19网络代替YOLOv3原始的Darknet53网络,并在特征学习时针对样本中不同MOA长宽比例,通过K-means聚类算法对MOA图像中的目标帧进行分析,重新聚类样本中心锚点框,得到合适的锚框数目和大小。最后,利用改进YOLOv3模型完成MOA红外图像故障检测。实验结果表明,改进的YOLOv3模型识别精度达到96.3%,识别速度为6.75 ms。 相似文献
2.
二维图像的基本处理与边缘检测 总被引:3,自引:0,他引:3
二值图像的处理是图像边缘检测的重要组成部分,文中对边缘检测的各种算法和算子做了一定总结和分析.本文利用Matlab与Visual C 编程实现对图像的基本处理与边缘检测,从实验检测的结果及算法对大量图像边缘检测的结果来看,Canny算子这种算法虽然简单,但是效果很好,是边缘检测的一种很好的实用方法. 相似文献
3.
针对现有的金属氧化物避雷器(Metal Oxide Arrester,MOA)红外图像故障检测方法存在识别精度低、检测速度较慢的问题,提出一种基于改进YOLOv3的MOA红外图像故障检测方法。首先,以Darknet19网络代替YOLOv3原始的Darknet53网络,并在特征学习时针对样本中不同MOA长宽比例,通过K-means聚类算法对MOA图像中的目标帧进行分析,重新聚类样本中心锚点框,得到合适的锚框数目和大小。最后,利用改进YOLOv3模型完成MOA红外图像故障检测。实验结果表明,改进的YOLOv3模型识别精度达到96.3%,识别速度为6.75 ms。 相似文献
1