摘要
为解决现有港口集装箱装卸场景下的扭锁自动化装拆的难点,文中提出基于深度学习的目标检测方法,以扭锁本体为目标检测对象,实现该场景下对扭锁目标的视觉识别.应用了包含扭锁本体和2种开关在内的3种类型对象的VOC训练样本数据集和深度学习模型,并针对在模型开发和训练过程中遇到的识别错误率高等问题,基于迁移学习思想改进了全参数训练的方法,提高了收敛稳定性和预测准确性.对于模型场景实验中的识别错误,通过添加逻辑特征减少识别错误率,并基于图像分割方法实现了检测结果的二次处理.
基金项目
上海市科委科技创新行动计划(19DZ1100202)
国家科技期刊平台
NSTL
维普
万方数据