摘要
文中针对目前集装箱由于锁孔中心定位算法误差大、鲁棒性不强等原因,造成难以满足实际集装箱货场需求的问题,采用深度学习方法,对集装箱锁孔中心定位问题进行了研究.首先基于YOLOv4-tiny模型获取锁孔位置,实现对锁孔的检测和提取;然后基于U-net模型对提取的锁孔矩形框进行分割,精确分割出锁孔区域;最后采用了图像处理的方法对分割的锁孔区域进行计算,从而得出锁孔中心.在实际的集装箱锁孔数据集上进行实验,结果表明,该方法能够快速准确地对锁孔中心进行定位.第1阶段的锁孔检测成功率为100％,单张图片的检测时间为35 ms;第2阶段的锁孔中心平均误差约为1.3个像素点,与其他锁孔中心定位算法相比中心误差更低.研究结果对实现集装箱货场的自动化具有较高的应用价值.
基金项目
四川省重点研发项目(2019YFG0300)
四川省重点研发项目(2019YFG0285)
轨道交通运维技术与装备四川省重点实验室开放研究课题(2019YW001)
轨道交通运维技术与装备四川省重点实验室开放研究课题(2019YW005)
国家科技期刊平台
NSTL
维普
万方数据