基于Object Detection API的物流单元货架目标检测

• 作者: 刘斌 龙健宁 龚德文
• 来源期刊: 自动化与仪表
• 关键词: 深度学习 物流单元货架 目标检测 Faster R-CNN算法 SSD-MobileNet算法
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 检测技术与数据处理
• 页码范围: 46-50,55
• 页数: 6页
• 分类号: TP29
• 语种: 中文
• DOI: 10.19557/j.cnki.1001-9944.2020.09.010

摘要

随着人工智能的兴起,深度学习的方法已经被广泛地应用到各类图像目标的检测当中,并在复杂环境下取得了良好的效果.针对物流仓储环境,该文基于开源框架Tensorflow上的库Object Detection API,选择了Faster R-CNN算法和SSD-MobileNet算法,分别对物流单元货架上摆放的物流周转箱进行目标检测.实验结果表明,相比于Faster R-CNN算法,SSD-MobileNet算法能够同时满足实时性与准确率的要求.将训练所得的SSD-MobileNet模型移植到QT平台,设计了物流单元货架目标检测界面.