| 作者 | 张兴兰，王媛媛，欧阳奇 |
| 机构 | 重庆理工大学 计算机科学与工程学院;重庆大学 自动化学院 |
| 统计 | 摘要被查看 … 次，已被下载 … 次 |
| 摘要 | 为解决粉镀锌卸料时卸料孔被锌粉遮挡，单一模型目标检测网络或方法无法很好识别的问题，提出一种专门的，融合多种特征模型的检测方法来辅助卸料。首先，用深度可分离卷积代替Tiny-YOLOv3 (you only look once version 3)中的传统卷积，并调整损失函数，适应新的训练。接着，用像素统计判断目标区域遮挡情况，运用轨迹特征和形态特征模型对当前帧进行预测。最后，遵循模型融合规则，用预测结果对目标检测网络结果进行优化。实验结果表明在卸料孔长时间遮挡严重情况下，改进后的融合模型表现最好，总体AP (average prediction)达到99.38%，AIOU(average intersection over union)达到88.74%，同时满足实时检测要求，有效解决了粉尘强遮挡条件下工装卸料孔动态检测问题。 |
| 关键词 | 目标检测；抗遮挡；深度学习；深度可分离卷积；特征融合 |
| 基金项目 | 国家自然科学基金资助项目(51374264)
重庆留学人员回国创新创业支持(CX2017004) |
| 本文URL | http://www.arocmag.com/article/02-2021-06-050.html |