计算机应用研究

作者：张兴兰,王媛媛,欧阳奇,

单位：1.重庆理工大学计算机科学与工程学院,重庆400054；2.重庆大学自动化学院,重庆400044；

关键词：目标检测,抗遮挡,深度学习,深度可分离卷积,特征融合,

基金：国家自然科学基金资助项目(51374264)；重庆留学人员回国创新创业支持项目(CX2017004)；；

为解决粉镀锌卸料时卸料孔被锌粉遮挡，单一模型目标检测网络或方法无法很好地识别问题，提出一种专门的、融合多种特征模型的检测方法来辅助卸料。首先，用深度可分离卷积代替Tiny-YOLOv3（you only look once version 3）中的传统卷积，并调整损失函数，适应新的训练；接着，用像素统计判断目标区域遮挡情况，运用轨迹特征和形态特征模型对当前帧进行预测；最后，遵循模型融合规则，用预测结果对目标检测网络结果进行优化。实验结果表明在卸料孔长时间遮挡严重情况下，改进后的融合模型表现最好，总体AP（average prediction）达到99.38%，AIOU（average intersection over union）达到88.74%，同时满足实时检测要求，有效解决了粉尘强遮挡条件下工装卸料孔动态检测问题。

来源：2021年第7期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2021年第7期