基于改进RT-DETR的原油库指针式仪表检测方法

摘要

针对在原油库较为复杂的环境下，受不同的外界干扰因素的影响和现有硬件设备资源有限的限制，导致仪表定位检测时模型的精度低、计算复杂度高，难以推广应用的问题，提出了一种以RT-DETR(Real-Time Detection Transformer)为基础网络的原油库指针式仪表定位方法。首先，引入FasterNet网络对仪表输入图像的部分通道进行特征提取，模型的参数量和计算复杂度明显减小；其次，引入HiLo注意力模块，通过两条路径分别对指针与刻度细节区域和表盘平滑区域进行特征选择，增强了模型对仪表关键特征的提取能力；最后，为了增强多尺度特征融合的能力，充分利用仪表的特征信息，引入基于上下文信息特征融合模块(CGFM:Context-Guide Fusion Module),进一步提升模型的鲁棒性。实验结果表明，仪表的检测精度达到了97.6%,模型的参数量为10.91 MByte,相较于YOLO(You Only Look Once)目标检测模型，具有很大的优势。

关键词

指针式仪表 / 实时目标检测模型 / 快速神经网络 / 高低频注意力机制 / 基于上下文信息的特征融合模块