基于深度学习的包装组件检测系统研究

• 作者: 陈永刚 陈丽珊 邹易 孙余顺
• 来源期刊: 包装工程
• 关键词: 包装组件 深度学习 目标检测
• 年，卷（期）: 2021,（15）
• 所属期刊栏目: 图文信息技术|Graphic Information Technology
• 页码范围: 284-291
• 页数: 8页
• 分类号: TB486
• 语种: 中文
• DOI: 10.19554/j.cnki.1001-3563.2021.15.037

摘要

目的 针对人工分拣组成的零件包装盒常常会出现缺少部分零件的问题,开发一套集训练、识别、分选于一体的智能分拣系统.方法 在设计过程中,提出一种基于深度学习的改进Yolov3算法,针对工业现场光照、业零件形状和质地等实际因素,对Yolo算法的训练和检测进行改进,通过对包装盒产品的一次拍摄,检测出画面中出现的预设物体,并与标准设置相比对,从而判断出该盒内产品是否有缺料、多料的情况,以此分选出合格与否的包装盒.结果 在物体摆放相互重叠不超过20％的情况下,物体检测的准确率为98.2％,召回率为99.5％.结论 通过文中提出的改进算法,设计的检测系统能够在复杂的工业现场环境下正常工作,并能对包装的完整性进行准确的检测.