科研之友
微信
新浪微博
Facebook
分享链接
摘要
提出了一种基于深度学习的大视场大规模目标精确检测算法。以香烟滤棒为检测对象,研究具有强粘连、强阴影遮挡、强畸变、低对比度的大规模目标精确识别问题。提出一种SAAU-net模型,在U型网络基础上引入具有空间感知的自注意力增强模块和焦点损失函数有效地解决了精确语义分割问题。在精确识别环节中,根据圆相切几何规律设计了结构元匹配算法定位圆心并利用隐马尔可夫链优化搜索方向最终实现目标精确快速识别。在实验部分,分别对比了语义分割和目标识别环节中几种主流的算法。并在工业现场进行了50 000盒滤棒应用测试。试验结果表明,所提方法在语义分割、目标识别以及工业应用测试中都展现出强大竞争力,目标识别精度达到99.95%。
- 单位
