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 CHEN Yong-gang;CHEN Li-shan;ZOU Yi;SUN Yu-shun

作者机构：东莞职业技术学院机电工程学院广东东莞523808 厦门麦克玛视电子信息技术有限公司福建厦门361000 

基　　金：广东省省级重大科技计划(2017B090910012) 广东省教育厅2018年度普通高校特色创新项目(自然科学)(2018GKTSCX106) 2020年广东省科技创新战略专项资金(pdjh2020b1264) 

出 版 物：《包装工程》 (Packaging Engineering)

年 卷 期：2021年第42卷第15期

页      码：284-291页

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。

主 题 词：包装组件 深度学习 目标检测 

学科分类：08[工学] 0822[工学-核工程类] 

D　O　I：10.19554/j.cnki.1001-3563.2021.15.037

馆 藏 号：203104723...