基于YOLOv7的车辆尾部灯光识别研究.pdf
《基于YOLOv7的车辆尾部灯光识别研究.pdf》由会员分享,可在线阅读,更多相关《基于YOLOv7的车辆尾部灯光识别研究.pdf(3页珍藏版)》请在咨信网上搜索。
1、第 61 卷 第 10 期Vol.61 No.102023 年 10 月October 2023农业装备与车辆工程AGRICULTURAL EQUIPMENT&VEHICLE ENGINEERING0 引言乘用车尾部灯光种类多且不容易观测,尾部灯光失效后用户难以发现,对行驶安全构成风险。因此,出厂时保障尾部灯光 100%被检测具有重要意义。目前整车制造厂主要采用人工目测检查尾部灯光,由于尾部灯光类型复杂且不易观测,需要耗费大量人力资源和时间成本,存在一定漏检风险。车辆尾部灯光检测要测试所有尾部信号灯的功能完整性、能否正常关闭和开启。利用视觉识别技术检测汽车灯光的方法日趋多样,田强1提出了、一种
2、基于图像的车辆尾灯检测识别方法,使用参数优化的最小二乘支持向量机对得到的车尾灯光状态进行判别;聂美玲2提出将方位角模糊技术与凹点检测技术相结合,对车辆灯光进行检测和分割,提高了复杂环境下车灯提取的准确率,并将车灯的运动特征和几何特征相结合,应用到车灯配对的环节,降低了车灯配对的漏配率和误配率;李龙等3对 YOLOv3 网络进行优化,舍去 Darknet53 的最后一个残差单元,同时增加小尺度特征提取残差单元的重复次数,提升了尾灯检测的准确率和检测速度;刘京凯4采用优化的 YOLOv3 目标检测网络训练和识别尾灯区域是否点亮,并结合尾灯闪烁频率,完成对前方车辆尾部灯光灯语的研究。本文以某车型尾部
3、灯光为研究对象,首先采集该车型不同状态下的尾部灯光图片,筛选出有效图片后,对图片进行人工标注制作数据集,并对Rear-Light 数据集进行数据增强。基于 YOLOv7 对数据集进行学习,建立尾部灯光识别模型,利用传感器、转换器、摄像头和 PC 等硬件搭建尾部灯光自动检测系统,实现尾部灯光检测的自动化和智能化,对提高生产效率和产品质量有重要现实意义。1 目标检测算法目前基于深度学习的目标检测算法主要分为 2大类:(1)两阶段法(two-stage approach),如基于候选区域(region proposals)R-CNN 系列的算法5;(2)一阶段法(one-stage approach
4、)6,如现在热门的 YOLO 和 SSD 算法。两阶段法主要是先通过启发式方法等操作得到一系列稀疏的候选收稿日期:2022-09-25doi:10.3969/j.issn.1673-3142.2023.10.021基于 YOLOv7 的车辆尾部灯光识别研究倪新帅,李胜(610100 四川省 成都市 一汽-大众汽车有限公司)摘要 整车制造过程中,车辆尾部灯光缺少自动检查设备,容易造成质量缺陷产品流出。为实现车辆尾部灯光功能智能检测,基于 YOLOv7 设计了车辆尾部灯光视觉检测方案,收集并制作了基于某车型的 Rear-Light 数据集,对该模型进行训练和测试。实验结果表明,精确率和召回率分别达
5、到 99.57%和 99.56%。通过现场复杂环境测试,基于 YOLOv7 算法的车辆尾部灯光检测模型能够达到较高的识别准确率,可以用于车辆尾部灯光的自动检测。关键词 车辆尾部灯光;目标检测;YOLOv7;深度学习;视觉识别 中图分类号 TP391.4;U463.6 文献标志码 A 文章编号 1673-3142(2023)10-0098-03引用格式:倪新帅,李胜.基于 YOLOv7 的车辆尾部灯光识别研究 J.农业装备与车辆工程,2023,61(10):98-100.Research on vehicle rear light recognition based on YOLOv7NI Xi
6、nshuai,LI Sheng(FAW-VW Co.,Ltd.,Chengdu 610100,Sichuan,China)Abstract During the manufacturing process of the whole vehicle,the rear lights of the vehicle lack automatic inspection of equipment,which is easy to cause outflow of quality defects.Aiming at the intelligent detection task of vehicle tail
7、 light function,a visual detection scheme of vehicle tail light was designed based on YOLOv7,and the Rear Light dataset based on a certain vehicle model was collected and produced.The model was trained and tested.The experimental results showed that the accuracy and recall rates were 99.57%and 99.56
8、%respectively.Through the field complex environment test,the vehicle tail light detection model designed based on YOLOv7 algorithm could achieve high recognition accuracy,and could be used for the automatic detection of vehicle tail light.Key words rear light of vehicle;target detection;YOLOv7;deep
9、learning;visual recognition99第 61 卷第 10 期框,然后再对候选框进行分类及回归操作。通过这2 步操作,two-stage 法能够达到最好的准确率7。而一阶段法是均匀地在图像不同位置进行不同尺度和比例的密集采样,然后再利用 CNN 提取特征并进行分类。这种方法的优点在于其计算效率高、分类速度快;不足之处是均匀密集采样会因为正负样本的不均衡分布(class imbalance problem)导致模型的训练拟合存在困难。目标检测算法的主要性能指标是检测的准确度和效率(即速度)。由于目标检测不仅要对图像进行分类,还要对不同物体进行定位,因此对于准确度不仅要考虑分类
10、的准确度,还涉及物体定位的准确度。two-stage 和 one-stage分别在准确度和速度上占有优势,但是准确度和速度往往是矛盾的,提升模型一个指标的性能往往导致另一个指标性能下降,如何更好地平衡目标检测模型的这 2 个指标一直是该研究领域的重要方向。YOLO 即 You Only Look Once8,属于一阶段法,它将目标检测重新定义为一个回归问题,将单个卷积神经网络(CNN)应用于整个图像,将图像分成网格,并预测每个网格的类概率和边界框。由于检测是一个回归问题,所以不需复杂管道。它比“R-CNN”快 1 000 倍,比“Fast R-CNN”快100 倍;能够处理实时视频流,延迟小于
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 YOLOv7 车辆 尾部 灯光 识别 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。