典型文献
基于深度学习的合作目标靶球检测
文献摘要：
为了解决复杂场景下激光跟踪仪对合作目标靶球的精确识别难题,提出了基于深度学习的合作目标靶球高效检测方法.首先分析了合作目标靶球的图像特征,然后采用改进的YOLOv2模型,针对合作目标靶球多尺度与小目标占比多的特点,提出了一种基于注意力机制的改进方法,同时为提高网络模型对复杂背景的抗干扰能力,提出了一种数据增强方法.测试结果表明,所提出的基于注意力机制与数据增强的改进YOLOv2模型对复杂背景的抗干扰能力较强,且对合作目标靶球的检测精度有显著提高,在合作目标靶球测试集上的检测准确率达到92.25％,能够有效满足激光跟踪仪在大型装置精密装配过程中的目标检测精度需求.
文献关键词：
激光跟踪仪;合作目标靶球检测;深度学习;YOLOv2
中图分类号：
作者姓名：
王国名;郝灿;石俊凯;高超;王博;周维虎;高豆豆
作者机构：
中国科学院微电子研究所,北京100094;中国科学院大学,北京101408
文献出处：
引用格式：
[1]王国名;郝灿;石俊凯;高超;王博;周维虎;高豆豆-.基于深度学习的合作目标靶球检测)[J].计测技术,2022(03):16-22
A类：
合作目标靶球检测,标靶球检测
B类：
复杂场景,激光跟踪仪,精确识别,高效检测,图像特征,YOLOv2,小目标,注意力机制,改进方法,复杂背景,抗干扰能力,数据增强,增强方法,检测精度,测试集,检测准确率,精密装配,装配过程,目标检测
AB值：
0.231116
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
