基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
当今餐饮行业中餐具的使用愈发频繁,而现有的人工餐具分拣方法效率低、安全性差且成本过高.为此,设计了一套基于YOLO v3的自动餐具分拣系统,包括硬件数据采集、图像识别及分拣执行三部分.其中,基于机器视觉的采集系统利用摄像头将餐具图像传人计算机,并在摄像头背面配上小夜视灯以实现补光.再引入Gamma校正进行图像预处理,同时基于YOLO v3实现对餐具的识别与定位.最后通过串口传递信息以控制机械臂实现分拣.实验结果表明,利用YOLO v3能够达到较好的餐具检测效果.
推荐文章
基于YOLO V3模型的奶牛目标检测
奶牛
目标检测
YOLO
人工智能
深度学习
机器视觉
基于改进型YOLO v3的绝缘子异物检测方法
绝缘子
神经网络
密集网络
异物检测
YOLO v3
基于改进Yolo v3的电连接器缺陷检测
缺陷检测
电连接器
机器视觉
深度学习
Yolo v3
改进YOLO v3的安全帽佩戴检测方法
图像处理
深度学习
YOLO v3
安全帽佩戴检测
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于YOLO v3的自动餐具分拣检测
来源期刊 厦门大学学报(自然科学版) 学科 工学
关键词 机器视觉 自动餐具分拣 YOLO v3
年,卷(期) 2020,(4) 所属期刊栏目
研究方向 页码范围 572-577
页数 6页 分类号 TP391.4
字数 4796字 语种 中文
DOI 10.6043/j.issn.0438-0479.201908014
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 邵桂芳 厦门大学航空航天学院 25 82 5.0 7.0
2 刘暾东 厦门大学航空航天学院 52 255 9.0 13.0
3 高凤强 厦门大学嘉庚学院信息科学与技术学院 20 45 4.0 6.0
4 郭一晶 厦门大学嘉庚学院信息科学与技术学院 21 53 4.0 6.0
5 黄斯奇 厦门大学信息学院 1 0 0.0 0.0
6 刘丽 厦门大学信息学院 4 1 1.0 1.0
7 林明哲 厦门大学信息学院 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (14)
共引文献  (5)
参考文献  (6)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(2)
  • 参考文献(1)
  • 二级参考文献(1)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(1)
  • 参考文献(0)
  • 二级参考文献(1)
2017(6)
  • 参考文献(1)
  • 二级参考文献(5)
2018(2)
  • 参考文献(2)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
机器视觉
自动餐具分拣
YOLO v3
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
厦门大学学报(自然科学版)
双月刊
0438-0479
35-1070/N
大16开
福建省厦门市厦门大学囊萤楼218-221室
34-8
1931
chi
出版文献量(篇)
4740
总下载数(次)
7
总被引数(次)
51714
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导