-
题名基于改进YOLOv5的叉车能效优化方法研究
被引量:2
- 1
-
-
作者
李青青
李陈斌
李镇宇
陆可
-
机构
安徽工业大学管理科学与工程学院
哈尔滨工业大学计算学部
上海应用技术大学经济与管理学院
-
出处
《现代计算机》
2021年第21期64-71,共8页
-
文摘
叉车是物流行业搬运、配送作业的重要工具。通过提出一种基于机器视觉统计工作时限内装卸货物量的方法,评价叉车使用效率。首先,对采集的视频进行分帧、聚类等数据预处理的操作后,自建了一个新的叉车货物数据集,降低训练模型时的算力负载同时,有效提高模型的预测精度。然后,借鉴YOLOv5算法对主干网络进行改进,利用注意力机制和替换网络层,从而降低网络的计算量,满足实时统计叉车的运作管理效率的需求。实验结果表明,改进后的算法能够实时有效处理视频数据,精确度达99.1%。
-
关键词
YOLOv5
目标检测
数据集
叉车能效管理
-
Keywords
YOLOv5
Target Detection
Data Set
Forklift Energy Efficiency Management
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-