文献

J-GLOBAL ID：202202270118894656   整理番号：22A0563409

マルチソース干渉環境のためのYOLOv4-BELTのベルトテアリング検出法【JST・京大機械翻訳】

A belt tearing detection method of YOLOv4-BELT for multi-source interference environment

著者 (5件)： Wang Gongxian (School of transportation and Logistics Engineering, Wuhan University of Technology, Wuhan 430063, Hubei, PR China) ,  Rao Zhongping (School of transportation and Logistics Engineering, Wuhan University of Technology, Wuhan 430063, Hubei, PR China) ,  Sun Hui (School of transportation and Logistics Engineering, Wuhan University of Technology, Wuhan 430063, Hubei, PR China) ,  Zhu Chao (School of transportation and Logistics Engineering, Wuhan University of Technology, Wuhan 430063, Hubei, PR China) ,  Liu Zhiqi (School of transportation and Logistics Engineering, Wuhan University of Technology, Wuhan 430063, Hubei, PR China)
資料名： Measurement  (Measurement)
巻： 189  ページ： Null  発行年： 2022年 
JST資料番号： W0315B  ISSN： 0263-2241  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： コンベヤベルト引裂きリアルタイム検出は,マルチソース干渉環境下での産業輸送に不可欠である。ここでは,YOLOv4-BELTと名付けた深層学習ベース視覚検出法を提案した。マルチ条件ベルト引裂画像データセット(MBTID)を最初に製造した。その後,MBTIDは,画像背景を豊かにし,過剰適合を減らすために,データ増強のための改良Cutmixアルゴリズムによって前処理される。次に,深い畳み込みニューラルネットワークCSPDarknet53を,複合サンプルに対する認識能力を効果的に改善することができるマルチスケール引裂き特徴抽出と融合のために採用する。さらに,訓練性能は,適切に設計された多段転送訓練戦略によって著しく強化された。最後に,以前の深いレベル引裂き特徴を,分類と局所化タスクにさらに利用した。結果は,YOLOv4-BELTの精度,再現およびF1スコアが,それぞれ96.6%,99.1%,98.1%および97.4%であることを示した。検出速度は21.1FPSに達し,それは最先端の方法と比較して検出精度とロバスト性を著しく改善する。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *干渉 ,  視覚 ,  前処理 ,  特徴抽出 ,  コンベヤベルト ,  環境 ,  *検出法 ,  ロバスト性
準シソーラス用語： マルチスケール ,  実時間 ,  局在化 ,  検出精度 ,  深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： ベルト引裂き ,  リアルタイム検出 ,  マルチソース干渉 ,  YOLOv4-BELT ,  多段移動訓練

分類 (1件)： 干渉測定と干渉計  (BD07070G)

タイトルに関連する用語 (5件)： マルチ ,  ソース ,  干渉 ,  環境 ,  検出法