典型文献
基于YOLO算法的集装箱扭锁目标检测方法
文献摘要：
为解决现有港口集装箱装卸场景下的扭锁自动化装拆的难点,文中提出基于深度学习的目标检测方法,以扭锁本体为目标检测对象,实现该场景下对扭锁目标的视觉识别.应用了包含扭锁本体和2种开关在内的3种类型对象的VOC训练样本数据集和深度学习模型,并针对在模型开发和训练过程中遇到的识别错误率高等问题,基于迁移学习思想改进了全参数训练的方法,提高了收敛稳定性和预测准确性.对于模型场景实验中的识别错误,通过添加逻辑特征减少识别错误率,并基于图像分割方法实现了检测结果的二次处理.
文献关键词：
港口集装箱;视觉识别;YOLO算法;深度学习
中图分类号：
作者姓名：
张氢;闵冠宇;覃昶
作者机构：
同济大学 机械与能源工程学院 上海 201804
文献出处：
引用格式：
[1]张氢;闵冠宇;覃昶-.基于YOLO算法的集装箱扭锁目标检测方法)[J].起重运输机械,2022(17):21-29
A类：
集装箱扭锁
B类：
YOLO,目标检测方法,港口集装箱,集装箱装卸,化装,视觉识别,关在,VOC,训练样本,样本数据集,深度学习模型,模型开发,训练过程,错误率,迁移学习,学习思想,全参数,预测准确性,逻辑特征,图像分割,分割方法
AB值：
0.386925
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。
