摘要
为解决粉镀锌卸料时卸料孔被锌粉遮挡,单一模型目标检测网络或方法无法很好地识别问题,提出一种专门的、融合多种特征模型的检测方法来辅助卸料.首先,用深度可分离卷积代替Tiny-YOLOv3(you only look once version 3)中的传统卷积,并调整损失函数,适应新的训练;接着,用像素统计判断目标区域遮挡情况,运用轨迹特征和形态特征模型对当前帧进行预测;最后,遵循模型融合规则,用预测结果对目标检测网络结果进行优化.实验结果表明在卸料孔长时间遮挡严重情况下,改进后的融合模型表现最好,总体AP(average prediction)达到99.38％,AIOU(average intersection over union)达到88.74％,同时满足实时检测要求,有效解决了粉尘强遮挡条件下工装卸料孔动态检测问题.
基金项目
国家自然科学基金(51374264)
重庆留学人员回国创新创业支持项目(CX2017004)
国家科技期刊平台
NSTL
维普
万方数据