基于Faster RCNN网络的仓储托盘检测方法

摘要：

为了解决传统仓储托盘检测方法泛化性差,检测精度低的问题.设计了一种基于Faster RCNN深度学习算法的仓储托盘检测模型,对算法模型进行了网络、数据增强处理以及特征提取方面的优化.自主拍摄仓储托盘图片并对其进行数据扩充,使用LableImage平台进行数据标注,在ResNet框架下进行网络训练,通过对比试验,改进后的模型性能高于其他常见目标检测模型,其准确率达到了96.5％,平均检测时间为76.9 ms,表明该方法能够满足工业生产环境中对仓储托盘的检测需求.

关键词：深度学习、仓储托盘、Faster RCNN、目标检测

所属期刊栏目：5

分类号：TP183(自动化基础理论)

在线出版日期：2021-06-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：57-62,65