基于Faster RCNN网络的仓储托盘检测方法

• 作者: 张亚辉 杨林 白雪
• 来源期刊: 现代信息科技
• 关键词: 深度学习 仓储托盘 Faster RCNN 目标检测
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 计算机技术|Computer Technology
• 页码范围: 57-62,65
• 页数: 7页
• 分类号: TP183
• 语种: 中文
• DOI: 10.19850/j.cnki.2096-4706.2021.02.015

摘要

为了解决传统仓储托盘检测方法泛化性差,检测精度低的问题.设计了一种基于Faster RCNN深度学习算法的仓储托盘检测模型,对算法模型进行了网络、数据增强处理以及特征提取方面的优化.自主拍摄仓储托盘图片并对其进行数据扩充,使用LableImage平台进行数据标注,在ResNet框架下进行网络训练,通过对比试验,改进后的模型性能高于其他常见目标检测模型,其准确率达到了96.5％,平均检测时间为76.9 ms,表明该方法能够满足工业生产环境中对仓储托盘的检测需求.