.png){kind=icon}
返回
A Visual Recognition Method for Stacked Plates Based on Deep Learning
.png){kind=icon}
PRE
AI
DOI：10.3390/opt7030035.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文针对工业场景中堆叠组件计数的问题，提出了一种结合近距离扫描获取完整轮廓与深度学习进行数量识别的方法：轮廓获取系统由线阵相机和线性激光组成，两者以一定角度水平布置，激光线与组件堆叠方向垂直且同向。系统沿堆叠方向扫描并连接单行像素以获取轮廓，有效避免了组件堆叠不均导致的遮挡问题。数量识别算法采用类似编码-解码的网络结构，利用组件间隙（cls: 0表示无，1表示有）和分离线段端点坐标[cls, x1, y1, x2, y2]形成标签，引入多尺度锚点预测线段平移距离（正负表示方向）。预测头为全卷积结构，回归损失基于真实线段预测端点计算。提出线段冗余去除方法，输出每个组件间隙的预测置信度（conf）和坐标[conf, px1, py1, px2, py2]。使用自建数据集进行训练和验证，实验表明单张图像识别准确率达95.79%，间隙识别准确率达99.62%，可满足自动化需求。
Keyword:
stacked panels
multi-scale anchor points
deep learning
automation
