基于改进的YOLOv3的托盘检测方法研究

• 作者: 王平凯 孙光泽 朱芮萱
• 来源期刊: 机电工程技术
• 关键词: YOLOv3算法 目标检测 仓储环境
• 年，卷（期）: 2021,（7）
• 所属期刊栏目: 智能与自动化|Intelligence & Automatization
• 页码范围: 29-32
• 页数: 4页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1009-9492.2021.07.008

摘要

针对仓储环境下叉车机器人托盘识别的应用场景,以及提高托盘目标检测的准确性和鲁棒性,提出了一种基于YOLOv3算法改进后的物体识别方法.运用K-Means++聚类方法重新聚类出更适合托盘检测的Anchor Box,通过分析托盘成像在图像坐标系中横轴和纵轴的密度分布,继而调整了划分网格机制,改进损失函数.并在运用数据增强手段的托盘数据集上进行训练以及测试,与其他算法进行对比,结果显示基于改进的YOLOv3托盘检测方法在测试集上的准确率达到94.6％,识别速率达到47帧/s.