基于Faster-RCNN的物流包裹图像识别研究

• 作者: 奚之贵 杨其华 应刘巍
• 来源期刊: 科技通报
• 关键词: 物流包裹 图像识别 深度学习
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 工业技术
• 页码范围: 56-59,64
• 页数: 5页
• 分类号: TP181
• 语种: 中文
• DOI: 10.13774/j.cnki.kjtb.2021.01.009

摘要

针对物流输送线上包裹需要分类识别输送的问题,进行物流包裹图像识别实现方法研究.利用Faster-RCNN深度学习模型对物流输送线上常见的纸盒、软包和蛇皮袋三类包装的包裹进行图像识别研究,优化调整模型的训练学习参数并进行交叉验证.实验确定Faster-RCNN深度学习模型用于包裹图像识别的最佳训练学习参数为学习率0.0020、训练集与测试集的数量比例7:3和迭代次数2810次,最后将优化调整后的模型用于物流包裹识别验证.实验数据表明优化调整的Faster-RCNN深度学习模型,对于包裹识别平均准确率可达到89.22％,在物流包裹图像识别领域具有较高的识别水平.