首页> 中文期刊> 《北京信息科技大学学报(自然科学版)》 >仓储环境下基于深度学习的物体识别方法研究

仓储环境下基于深度学习的物体识别方法研究

         

摘要

针对仓储环境下叉车机器人物体识别的应用场景,提出一种基于Faster-RCNN优化和改进后的物体识别算法.通过对Faster-RCNN模型进行微调(fine-tuning),完成对托盘、货物、人以及叉车等物体的识别,同时优化了训练过程,使得网络最后达到最优.同时通过对不同共享卷积层模型下的Faster-RCNN进行比较,最后得到最优的Faster-RCNN模型为ZF+RPN模型.实验表明,改进和优化后的算法对仓储环境下的物体检测的准确率达到90%,测试的帧率为33.3fps,基本满足叉车机器人对物体检测实时性和准确性的要求.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号