典型文献
改进YOLOV3算法在零件识别中的应用
文献摘要：
针对工业生产中小型零件存在漏检及识别率不高等问题,结合深度学习基本理论,提出一种改进YOLOV3网络的零件目标识别算法.该算法首先在零件特征融合结构信息中增加了一个特征尺度,进一步融合深层网络与浅层网络的特征信息,以便更好融合零件的位置信息和语义信息.为克服YOLOV3算法中使用K-means聚类对初值不稳定的缺点,根据不同零件类别宽高比,采用K-means++算法对Anchor框重新进行了聚类.最后,在自制常见的六种零件的数据集上,通过实验对该算法进行了验证.结果表明,所提出的改进算法识别效果优于YOLOV3识别效果,在目标识别检测中具有准确率高的优势.
文献关键词：
深度学习;YOLOV3;特征融合;零件识别
中图分类号：
作者姓名：
宋栓军;侯中原;王启宇;倪奕棋;黄乾玮
作者机构：
西安工程大学机电工程学院,西安710600;西安工程大学现代智能纺织装备重点实验室,西安710600
文献出处：
引用格式：
[1]宋栓军;侯中原;王启宇;倪奕棋;黄乾玮-.改进YOLOV3算法在零件识别中的应用)[J].机械科学与技术,2022(10):1608-1614
A类：
B类：
YOLOV3,零件识别,中小型,小型零件,漏检,识别率,目标识别算法,特征融合,结构信息,特征尺度,深层网络,特征信息,位置信息,语义信息,初值,宽高比,means++,Anchor,六种,改进算法,算法识别,识别检测
AB值：
0.42317
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。
