矿业研究与开发

作者：叶咏菁,韩斌,胡亚飞,郭荣华,杨亚平,张朋

关键词：井下环境;车牌定位;YOLOv7;注意力机制;轻量化网络

针对井下环境中,传统车牌定位算法易受强光、反光、粉尘等不利条件影响,导致出现车牌与车身对比度降低、边缘弱化的问题,提出了一种基于改进YOLOv7的车牌高精度定位检测算法. 首先将坐标注意力机制(Coordinate Attention,CA)融入到YOLOv7颈部网络中,增强网络对车牌特征的学习和提取,弱化车身背景信息,提高低质量图像的车牌检测精度;然后通过FasterNet轻量卷积模块与YOLOv7骨干网络的高效聚合网络结构(Efficient Layer Aggregation Networks,ELAN)结合,简化改进算法模型的运算复杂度,在保证模型检测精度与稳定性的同时,提高目标检测速度.试验结果表明,YOLOv7-CA-Faster模型平均精度均值达到97.8％,与改进前的YOLOv7模型相比,平均精度均值提高了2.4个百分点;模型总参数量、浮点运算数、内存占用量分别减少11.9％、19.1％、12.0％,模型更轻量化.与Faster-RCNN、SSD、YOLOX-m和YOLOv5-m 等主流目标检测模型相比,YOLOv7-CA-Faster模型具有较大优势,平均精度均值分别提高7.3,5.9,3.1,2.8个百分点.在井下环境中,改进的YOLOv7-CA-Faster算法具有良好的检测性能,可为车辆编号的精准识别及地下矿山车辆智能管控提供技术支持.

来源：2024年第10期

《矿业研究与开发》期刊编辑部

查看矿业研究与开发杂志2024年第10期