一种基于改进YOLOv3的甲板灯光异常检测方法

作者：李娜; 周林宏; 杨戈; 杨秀璋; 杨楠

来源：船舶工程, 2021, S2: 53-61.

DOI：10.13788/j.cnki.cbgc.2021.S2.12

• 深度学习
• 图像识别
• YOLOv3
• 甲板灯光检测
• 目标检测

针对甲板灯光受海面天气影响,传统方法检测精度较低,缺乏利用深度学习算法有效识别异常的问题,提出一种基于改进深度卷积神经网络YOLOv3的甲板灯光异常检测方法。首先,该方法通过色彩自动均衡化的图像增强算法降低海面复杂环境噪声;其次,利用YOLOv3算法识别和定位甲板灯光位置;最后,通过图像灰度有效检测甲板灯光的异常结果。试验结果表明,文章提出的方法能降低海面复杂情况下的噪声,对甲板灯光进行有效定位并实现异常检测,具有较好的准确率和鲁棒性,可以为甲板灯光异常检测提供理论基础并应用于实践。

• 出版日期2021
• 单位贵州财经大学; 中国船舶工业系统工程研究院