基于改进的YOLO v3的工件识别方法研究

作     者：李佳禧 邱东 杨宏韬 刘克平 LI Jia-xi;QIU Dong;YANG Hong-tao;LIU Ke-ping

作者机构：长春工业大学电气与电子工程学院长春130012 

基　　金：吉林省科技发展计划技术攻关项目(20190303099SF) 吉林省省级产业创新专项资金项目(2019C010) 吉林省科技发展计划重点研发项目(20200401118GX) 

出 版 物：《组合机床与自动化加工技术》 (Modular Machine Tool & Automatic Manufacturing Technique)

年 卷 期：2020年第8期

页      码：92-96,100页

摘      要：针对传统识别方法受工件的摆放角度、位置影响较大,鲁棒性差的问题,提出了一种基于改进的YOLO v3的工件识别方法。首先,采用深度可分离卷积网络对Darknet网络进行结构改进,减少了计算复杂度,提高了检测速率;其次通过K-means聚类方法对数据集参数进行聚类,得到了更适合工件识别的预测框,确定了预测框的参数;然后运用了图像增强的方法对采集的图像集进行处理,扩充了训练样本;最后在训练迭代后,采用多种评价指标联合评价的方法,将所设计的算法与多种检测算法进行对比。实验结果表明,基于改进的YOLO v3的工件识别方法在测试集的准确率达96.5%,召回率达93.4%,识别速率达63fps,更能满足工业生产中工件识别的需求。

主 题 词：工件识别 YOLO v3算法 深度可分离卷积 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 08[工学] 0802[工学-机械学] 080201[080201] 

D　O　I：10.13462/j.cnki.mmtamt.2020.08.023

馆 藏 号：203965757...