《表2 三种方法实验数据：基于深度学习优化YOLOV3算法的芳纶带检测算法研究》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于深度学习优化YOLOV3算法的芳纶带检测算法研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

在实际测试集中，正负样品的比例为1∶1，训练样本均为200张，传统的基于机器视觉的方法、基于YOLOV3算法和基于改进的YOLOV3算法，对测试集检测数据见表2。由表2可知，传统的基于OTSU和纹理滤波的检测方法，相较于其他两种算法，检测准确率差，达不到实时性，误检率和漏检率数据都很差。未优化的YOLOV3算法，相比于改进的YOLOV3算法，检测准确率低0.15，误检率高0.19，漏检率高0.1，检测时间基本一致，这是因为本文采用了卷积降维的设计，使得检测时间没有加长，检测精度有明显改善。