摘要
机器学习在井场智能巡检中已广泛应用,但油气井场的目标背景较为复杂,为提高井场目标智能检测的精确性和实时性,提出一种可用于视频图像的监测和跟踪的钻井现场智能巡检系统。为了解决缺乏数据集的问题,选择用缩放等同类数据增强方式并结合mixup混类数据增强方式。此外,采用lable smoothing等方法来优化和改善算法,完成算法的模型训练和检测。实验结果表明:改进后的算法检测速度为29每秒检测帧数,平均精度均值为85.90%,可见,经过改进和优化的算法无论在平均精度均值还是在检测速度上,均比其他算法效果好,能快速精确地对井场设备进行识别。
