典型文献
基于改进Faster RCNN的零件识别方法研究
文献摘要：
针对传统机器视觉检测识别方法受到装配零件之间相互遮挡、零件不同位姿、外部光照强度、小目标漏检影响,检测准确率不高的问题,提出了一种改进的Faster RCNN(region-based convoluti-onal neural networks)零件识别方法.首先使用提取特征更好的ResNet101网络代替原始Faster RCNN模型中的VGG16特征提取网络;其次针对原始候选区域网络,增加2个新的锚点并重新设置候选框的纵横比,以得到15种尺寸不同的锚点;然后针对传统非极大值抑制(non-maximum suppression,NMS)方法因删除交并比大于阈值的候选框而出现漏检问题,使用Soft-NMS方法替换传统的NMS方法,从而减少密集区域漏检的情况;最后在训练模型阶段采用多尺度训练策略,降低漏检率,提高模型准确率.对零件的识别实验结果表明:改进后的Faster RCNN模型能够达到96.1％的精度,较原始模型提升了4.6％,可以满足光照较强、存在水渍干扰等较为复杂环境中零件的识别检测.
文献关键词：
零件识别;Faster RCNN;ResNet101;候选区域
中图分类号：
作者姓名：
王一;马钲东;董光林
作者机构：
华北理工大学 电气工程学院,河北 唐山 063200
文献出处：
引用格式：
[1]王一;马钲东;董光林-.基于改进Faster RCNN的零件识别方法研究)[J].应用光学,2022(01):67-73
A类：
convoluti
B类：
Faster,RCNN,零件识别,机器视觉检测,检测识别,遮挡,位姿,光照强度,小目标,检测准确率,region,onal,neural,networks,提取特征,ResNet101,VGG16,特征提取网络,候选区域,区域网络,锚点,候选框,纵横比,非极大值抑制,maximum,suppression,NMS,法因,删除,交并比,Soft,密集区域,训练模型,多尺度训练,训练策略,漏检率,模型准确率,水渍,复杂环境,识别检测
AB值：
0.412505
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。
