图像增强算法对基于机器学习的集装箱码头设备自动化视觉应用的影响

作者：刘键涛

来源：珠江水运, 2023, (15): 57-59.

DOI：10.14125/j.cnki.zjsy.2023.15.022

• 机器学习
• 机器视觉
• 图像增强算法
• 目标检测
• 集装箱自动化

本文探究了机器视觉在集装箱码头设备智能化、自动化领域的应用，以及对图像增强算法在此应用中的适用性进行评i估，重点关注了对比度受限的自适应直方图均衡化（CLAHE）、伽马校正（Gamma Correcton）和拉普拉斯变换（Laplace）三种图i像增强算法在YOLOv5目标检测性能上的影响。实验结果表明，CLAHE和Gamma Correcton可以显著提高目标检测的准确率、召回率和平均精确i度，而Laplace则产生了负面影响。同时，本文还研究了混合使用CLAHE和Gamma Correcton对YOLOv5的性能提升效果。结果表明，先使用伽马校正再使用CLAHE能够进一步提高目标检测的性能。因此，本研究认为在集装箱码头设备自动化智能化应用中，图像增强算法对目标检测i的准确率、召回率和平均精确度具有积极作用，特别是混合使用CLAHE和Gamma Correcton能够在提高检测性能方面发挥更好的作用。

• 单位
  福建电子口岸股份有限公司