基于Faster R-CNN模型的传送带药盒与空位检测方法

论文摘要

制药企业为了判断传送带药盒的拥堵情况,需要对传送带上的药盒和空位进行定位,但人工方式效率低下,实时性差。在此背景下,结合Faster R-CNN模型,提出传送带目标检测方法。基于传送带图像构建模型训练集和测试集,将训练集通过ZFNet卷积神经网络计算卷积特征,并利用RPN（Region Proposal Network）生成精准的候选区域,在此基础上基于Faster R-CNN模型在候选区域上进行分类和回归,计算得到药盒与空位矩形框。通过使用测试集测试模型进行目标标注并计算出概率,结果表明,本方法对传送带目标的检测准确率良好。

论文目录

• 0 引 言
• 1 基于Faster R-CNN模型的目标检测算法实现
•   1.1 数据集的标定及格式转换
•   1.2 基于ZFNet卷积神经网络的特征提取
•   1.3 Faster R-CNN训练
• 2 目标检测结果分析
•   2.1 目标检测结果定性分析
•   2.2 目标检测结果定量分析
•     1) 计数准确度。
•     2) 定位准确度。
• 3 结束语

文章来源

类型: 期刊论文

作者: 张瑞勋,邵秀丽,骆圣丽,周洪雨

关键词: 卷积神经网络,目标检测

来源: 计算机与现代化 2019年09期

年度: 2019

分类: 信息科技,工程科技Ⅰ辑

专业: 有机化工,计算机软件及计算机应用,自动化技术

单位: MIT Laboratory for Financial Engineering,南开大学计算机学院

基金: 天津市智能制造专项资金资助项目(201707105,201907210),天津市互联网先进制造专项资金资助项目(18ZXRHGX00110)

分类号: TQ460;TP183;TP391.41

页码: 122-126

总页数: 5

文件大小: 1184K

下载量: 147