基于深度学习的仓储托盘检测算法研究

被引：9

作者：

刘江玉

李天剑

机构：

[1] 北京信息科技大学机电工程学院

来源：

北京信息科技大学学报(自然科学版) | 2017年 / 32卷 / 02期

关键词：

深度学习; 卷积神经网络; 托盘检测; Faster RCNN; 扩充样本;

D O I：

10.16508/j.cnki.11-5866/n.2017.02.017

中图分类号：

TP183 [人工神经网络与计算]; TP242 [机器人];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 1111 ;

摘要：

针对仓储环境下仓储机器人工作效率的问题,提出基于深度学习的卷积神经网络方法实现仓储机器人对托盘的检测。通过卷积神经网络关于物体检测方面的4种模型的比较,建立Faster RCNN模型。通过设计托盘检测模型,训练VGG16网络和自建仓储托盘数据库,实现仓储机器人对仓储环境中托盘的检测。通过对样本进行扩充,增加样本数量,再与其它3个模型进行比较。实验证明,该模型能提高仓储机器人检测托盘的准确率(mAP)。

引用

页码：78 / 84+94 +94

页数：8

共 3 条

[1] 深度卷积神经网络在计算机视觉中的应用研究综述 [J].

卢宏涛 ;

张秦川 .

数据采集与处理, 2016, 31 (01) :1-17

[2] Selective Search for Object Recognition [J].

Uijlings, J. R. R. ;

van de Sande, K. E. A. ;

Gevers, T. ;

Smeulders, A. W. M. .

INTERNATIONAL JOURNAL OF COMPUTER VISION, 2013, 104 (02) :154-171

[3]

ImageNet classification with deep convolutional neural networks .2 A. Krizhevsky,I. Sutskever,G. Hinton. Advances in neural information processing systems . 2012

← 1 →