科研之友
微信
新浪微博
Facebook
分享链接
摘要
为提高井下昏暗环境的目标检测性能，创新性地将行人属性应用到井下，将反光号码牌贴在安全帽和工作服上作为属性进行识别。针对井下小目标检测率低的缺点，提出了一种将YOLOv8检测算法与OCR字符识别技术相结合的方法。通过添加CBAM注意力模型，提高了网络对不同尺度的特征提取能力；将YOLOv8中的CBS模块改进为CBF模块，提高了目标的识别准确率；然后对检测到的反光号码牌区域用OCR技术对区域内数字进行识别，进一步提高了模型的检测精度。实验结果表明，提出的方法在自建数据集上获得93.2％的识别准确率和每张24.4ms的检测速度，相比YOLOv8模型有着更高的准确率，能够有效地应对井下环境中的光照变化和干扰因素并且满足实时检测的要求。
- 出版日期2023
- 单位西安科技大学
