基于改进YOLO-V5深度学习模型的靶丸快速筛选方法 |
| |
引用本文: | 刘一郡,赵维谦,刘子豪,罗杰,李兆宇,王允.基于改进YOLO-V5深度学习模型的靶丸快速筛选方法[J].光学技术,2023(5):591-595. |
| |
作者姓名: | 刘一郡 赵维谦 刘子豪 罗杰 李兆宇 王允 |
| |
作者单位: | 北京理工大学光电学院“复杂环境智能感测技术”工信部重点实验室 |
| |
摘 要: | 针对激光惯性约束核聚变实验中海量靶丸筛选效率低的问题,提出一种基于改进YOLO-v5深度学习模型的靶丸快速筛选方法。方法通过控制靶丸在不同的景深处成像,并将图像拼接在一起以获得其清晰图像;同时引入通道注意力机制来增强模型的特征提取能力,建立了SE-YOLOV5s深度学习靶丸表面缺陷识别模型,并对靶丸缺陷按照缺陷种类进行了分类和评估从而实现对海量靶丸的筛选。靶丸表面缺陷检测的准确率为94.4%,每秒可检测到约50张靶丸图像(分辨率3072×4096),为激光惯性约束核聚变试验提供一种快速、准确筛选海量靶丸的方法。
|
关 键 词: | 应用光学 聚变靶丸 目标识别 深度学习 YOLO算法 |
|
|