全国服务热线:
400 688 1509

巡检机器人为什么普遍使用YOLO算法

DEtection TRansformer DETR)和You Only Look OnceYOLO)是两种优秀的目标检测方法。YOLO在实时目标检测和跟踪问题的地位无出其右。与此同时,DETR,这个把Transformer模型引入目标检测领域的开山之作,利用Transformer结构的自注意力机制为各个目标编码,依靠其并行性,构造了一个端到端的检测模型,并且避免了以往模型中各种类型的冗余操作,让目标检测问题变得更加简单。

既然两者各有优势,为什么巡检机器人的视觉工程师们普遍采用YOLO算法?

 

YOLO 的原始论文发布是实时目标检测的突破,现在它仍然是实际视觉应用中最常用的模型之一。它将检测过程从两个或三个阶段(即R-CNNFast R-CNN)转移到了单阶段卷积阶段,与所有最先进的目标检测方法相比,它在准确性和速度方面都表现出色。随着时间的推移,原始论文中的模型架构发生了变化,添加了不同的手动设计来提高模型的准确性。

 

DETR DEtection TRansformer)是一种相对较新的目标检测算法,由Facebook AI ResearchFAIR)的研究人员于2020年推出。它基于Transformer架构,这是一个强大的序列到序列模型,已用于各种自然语言处理任务。传统的目标检测器(即R-CNNYOLO)很复杂,而DETR架构很简单,由三个主要组件组成:用于特征提取的CNN骨干网络(即ResNet)、Transfomer编码器解码器以及用于最终检测预测的前馈神经网络(FFN)。主干处理输入图像并生成激活映射。Transformer编码器减小了信道尺寸,并应用了多头自注意和前馈网络。Transformer解码器使用N个对象嵌入的并行解码,并使用对象查询独立的预测框坐标和类标签。

 

通过以上比较,可以看出YOLO 优于DETR 的地方是完成检测任务速度快,实时性好,精度较高。而这个优点对于巡检机器人来说,十分重要。

 

28圈研发团队从实际场景出发,打造出适用于各类场景的自研算法。基于卷积神经网络深度识别算法,已选目标点准确率大于96% ,这使得巡检机器人在作业时可实时上传检测数据,耗时短,识别力强,老旧设备同样适用。

 

28圈以技术创新为核心驱动力,研发团队拥有数十年行业经验,致力于在智能巡检机器人领域不断创新和突破。公司创建了一支高效、创新的技术团队,核心团队成员在视觉智能分析、自然语言处理、定位导航等方面积淀深厚。

 

经过多年发展,客户群体涵盖了国家电网、国能、中石油、各大水务集团、农业银行、中国移动等大型企业,已为超百家合作伙伴提供了机房、配电房、变电站、输煤廊道、地下廊道、油气化工场站等场景下的智能巡检解决方案,拥有深厚的行业落地经验。


上一页:28圈管廊机器人推动管廊巡检智能化发展

下一页:28圈巡检机器人,机房运维工作数智化转型的利器