基于Faster R-CNN模型的传送带药盒与空位检测方法

作者：张瑞勋; 邵秀丽; 骆圣丽; 周洪雨

来源：计算机与现代化, 2019, (09): 122-126.

DOI：10.3969/j.issn.1006-2475.2019.09.022

• Faster R-CNN
• ZFNet卷积神经网络
• 目标检测

制药企业为了判断传送带药盒的拥堵情况,需要对传送带上的药盒和空位进行定位,但人工方式效率低下,实时性差。在此背景下,结合Faster R-CNN模型,提出传送带目标检测方法。基于传送带图像构建模型训练集和测试集,将训练集通过ZFNet卷积神经网络计算卷积特征,并利用RPN(Region Proposal Network)生成精准的候选区域,在此基础上基于Faster R-CNN模型在候选区域上进行分类和回归,计算得到药盒与空位矩形框。通过使用测试集测试模型进行目标标注并计算出概率,结果表明,本方法对传送带目标的检测准确率良好。

• 单位
  南开大学