基于改进YOLOv5m的水电厂工器具识别系统研究

陈铁华; 吴广新; 许明; 何锫; 邹颜泽; 袁敬懿

English Version Reader LoginJournal Login

您当前的位置：

首页 >

文章列表页 >

基于改进YOLOv5m的水电厂工器具识别系统研究

更新时间：2026-02-13

- 基于改进YOLOv5m的水电厂工器具识别系统研究
- Vol. 52, Issue 2, Pages: 91-101(2026)
- 作者机构：
  
  1. 长春工程学院能源与动力工程学院
  2. 江西奉新抽水蓄能有限公司
  3. 辽宁清原抽水蓄能有限公司
- 作者简介：
- 基金信息：
- DOI：
  CLC： TP183;TP391.41;TV736
- Published：2026
- 稿件说明：
移动端阅览
陈铁华, 吴广新, 许明, et al. 基于改进YOLOv5m的水电厂工器具识别系统研究[J]. 2026, 52(2): 91-101.
DOI：

陈铁华, 吴广新, 许明, et al. 基于改进YOLOv5m的水电厂工器具识别系统研究[J]. 2026, 52(2): 91-101. DOI：

摘要

为解决水电厂工器具领存取时需要对工器具快速准确识别，同时防止工器具错借、漏借的问题，建立了一个工器具数据集Tool-Data

提出了一种基于改进YOLOv5m的轻量化水电厂工器具检测算法。该算法采用MobileNetV3作为特征提取网络，将原始网络中的卷积模块替换为经过优化的跨阶段深度可分离卷积模块，以降低网络的参数量和计算量。同时，引入SE注意力机制，提高模型对小型及中型目标的识别精度。此外，基于K-means聚类算法对锚框尺寸进行了模型优化，并对Mosaic数据增强技术进行了改进。采用DIOU＿NMS算法，提升了过滤边界框的准确性，减少了小目标的漏检情况。试验结果表明，改进后的YOLOv5m轻量化模型在工器具检测数据集上精确率、召回率、平均精度值分别达到90.5%、89.28%和93.38%

较原YOLOv5m分别提高了0.55、18.24和10.94个百分点，能够满足复杂条件下工器具领存取识别的高效率和高精度要求。

Abstract

关键词

Keywords

references

李思雨.基于改进Yolov5的铝型材表面缺陷检测方法研究[D].西安理工大学,2023(03).

蒲佳伟.基于改进YOLOv5的变电站设备缺陷检测模型研究[D].西安理工大学,2023(03).

Jiadong Li,Chunya Tong,Hongxing Yuan,Wennan Huang.A Complex Environmental Water-Level Detection Method Based on Improved YOLOv5m[J].Sensors,2024.

Zhiqiang Wu,Gulbahar Tohti,Mamtimin Geni,Hualong He,Filora Turhun.Wind turbine rotor blade encoding marker recognition method based on improved YOLOv8 model[J].Signal, Image and Video Processing,2024.

Yuhua Huang,Juntao Xiong,Zhaoshen Yao,Qiyin Huang,Kun Tang,Dandan Jiang,Zhengang Yang.A fluorescence detection method for postharvest tomato epidermal defects based on improved YOLOv5m.[J].Journal of the science of food and agriculture,2024.

Tang Jin,Zhuang Min,Lin Ping,Wang Zichen,Zhao Jinzhong.Application study of surgical instruments information management system in sports medicine specialty[J].Scientific Reports,2024.

Han Gujing,Wang Ruijie,Yuan Qiwei,Li Saidian,Zhao Liu,He Min,Yang Shiqi,Qin Liang.Detection of Bird Nests on Transmission Towers in Aerial Images Based on Improved YOLOv5s[J].Machines,2023.

Q. Liu.AUTOMATED LOGISTICS MANAGEMENT AND DISTRIBUTION BASED ON RFID POSITIONING TECHNOLOGY[J].Telecommunications and Radio Engineering,2020.

Qatar University, Doha, Qatar,Qatar University, Doha, Qatar.Utilizing Radio Frequency Identification in Libraries: The Case of Qatar[J].International Journal of Public Administration in the Digital Age (IJPADA),2019.

朱振祥,高国华,段美栋,郭桂宏,刘朝晖,赵全满.基于YOLOV7架构的轻量化路面病害检测模型[J].昆明理工大学学报(自然科学版),2024(06).

张家旗,杨波,郭帅龙,马海娟,杨鑫.基于改进YOLOv5的安全帽检测方法[J].重庆科技学院学报(自然科学版),2024(02).

胡焱,赵宇航,胡皓冰,巩银,孙寰宇.基于YOLOv5s的轻量化红外图像行人目标检测研究[J].激光与红外,2024(02).

张绍文,史卫亚,张世强,王甜甜.基于加权感受野和跨层融合的遥感小目标检测[J].电子测量技术,2023(18).

汪燕超,胡旭晓.基于改进YOLOv6电动单车违法停放的检测方法研究[J].智能计算机与应用,2023(09).

林典敏,吴可廷.基于YOLOv5算法的小动物识别技术研究[J].信息技术与信息化,2023(08).

赵昀杰,张太红,姚芷馨.基于EfficientNet的实时目标检测模型[J].计算机应用与软件,2023(08).

贾玮迪,余鹏飞,余国豪,李海燕,李红松.基于改进YOLOv5m的轻量化车脸检测方法[J].电子测量技术,2023(12).

王琳毅,白静,李文静,蒋金哲.YOLO系列目标检测算法研究进展[J].计算机工程与应用,2023(14).

郝帅,赵新生,马旭,张旭,何田,侯李祥.基于TR-YOLOv5的输电线路多类缺陷目标检测方法[J].图学学报,2023(04).

高敏,邹阳林,曹新旺.基于改进YOLOv5模型的织物疵点检测[J].现代纺织技术,2023(04).

李佳东,张丹普,范亚琼,杨剑锋.基于改进YOLOv5的轻量级船舶目标检测算法[J].计算机应用,2023(03).

吴燕飞,卢衍海,马晓晨.基于智能WMS的无人值守仓储系统研发与应用[J].物联网技术,2023(02).

胡昊,李擎,马鑫,陈军朋,孙爽,徐鹏.基于影像的道路积水监测研究[J].华北水利水电大学学报(自然科学版),2023(01).

庄建军,叶振兴.基于改进YOLOv5m的电动车骑行者头盔与车牌检测方法[J].南京信息工程大学学报,2024(01).

崔昊杨,杨可欣,葛海华,许永鹏,王浩然,杨程,戴莹莹.面向电力开关柜的轻量型GB-YOLOv5m状态检测方法[J].电子与信息学报,2022(11).

项融融,李博,赵桥.基于改进YOLOv5s的口罩佩戴检测算法[J].国外电子测量技术,2022(07).

余加勇,刘宝麟,尹东,高文宇,谢义林.基于YOLOv5和U-Net3+的桥梁裂缝智能识别与测量[J].湖南大学学报(自然科学版),2023(05).

杨铭伦,张旭,郭颖,于新文,侯亚男,高家军.基于YOLOv5的红外相机野生动物图像识别[J].激光与光电子学进展,2022(12).

王宝刚,杨春梅,夏鹏.结合数据增强和轻量化模型的YOLOv3木梁柱缺陷检测[J].电机与控制学报,2021(04).

Views

111

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

No data

Related Author

No data

Related Institution

No data

AI问答

⁰