基于多算法融合Mask R-CNN堆叠千克组砝码识别与关键部位分割方法

• 作者: 赵迪 刘桂雄 马健 郭琳琳
• 来源期刊: 激光杂志
• 关键词: 千克组砝码 低对比度识别 图像对比度增强 实例分割 深度学习
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 光电测量与检测
• 页码范围: 27-31
• 页数: 5页
• 分类号: TN249
• 语种: 中文
• DOI: 10.14016/j.cnki.jgzz.2021.05.027

摘要

砝码无人化检定有助于提高砝码检定效率、增强检测数据可溯源性.从深度学习实例分割方法入手,提出用于砝码无人化检定的基于Mask R-CNN堆叠千克组砝码识别与分割技术方案,通过数据增强、图像对比度增强、多算法融合等技术方案实现日光灯照明下堆叠千克组砝码图像关键部位识别与分割,形成泛用性强的人工智能方法,通过模拟实验获得较为合适的训练集图像增强算法与测试集图像增强算法,实现图像中实例 100％识别,与原始 Mask R-CNN 相比 AP50提升21.51％,Mask IoU 提升 17.95％.