仓储环境下基于深度学习的物体识别方法研究

• 作者: 李天剑 金秋
• 来源期刊: 北京信息科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 深度学习 Faster-RCNN fine-tuning RPN模型 共享卷积层
• 年，卷（期）: 2018,（1）
• 页码范围: 60-65
• 页数: 6页
• 分类号: TP18
• 字数: 4134字
• 语种: 中文
• DOI: 10.16508/j.cnki.11-5866/n.2018.01.012

摘要

针对仓储环境下叉车机器人物体识别的应用场景,提出一种基于Faster-RCNN优化和改进后的物体识别算法.通过对Faster-RCNN模型进行微调(fine-tuning),完成对托盘、货物、人以及叉车等物体的识别,同时优化了训练过程,使得网络最后达到最优.同时通过对不同共享卷积层模型下的Faster-RCNN进行比较,最后得到最优的Faster-RCNN模型为ZF+RPN模型.实验表明,改进和优化后的算法对仓储环境下的物体检测的准确率达到90％,测试的帧率为33.3fps,基本满足叉车机器人对物体检测实时性和准确性的要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李天剑	北京信息科技大学机电工程学院	54	141	7.0	10.0
2	金秋	北京信息科技大学机电工程学院	3	8	2.0	2.0