基于YOLOv4的杂质玻璃分拣检测研究
在废旧玻璃的回收处理流程中,前端的各种杂质玻璃由人工分拣去除,自动化程度低。针对此问题,以上海市某玻璃回收处理企业人工分拣场景为研究背景,提出了一种基于YOLOv4算法的流水线杂质玻璃检测方法。一方面,实地采集典型样本拍摄图像作为数据集,采用间接检测两端的方式对细长胶条玻璃类别进行标注;另一方面,采用Kmeans++算法重新设定先验框(anchors),利用4倍下采样率的高分辨率特征图进行特征融合以提高对小目标的检测性能。结果表明:模型检测平均精度均值(mAP)达97.88%,其中对胶条玻璃的AP为95.47%;与其他方法相比,模型参数量减少31.11%,对胶条玻璃的AP提高6.70个百分点,检测速度为42.82 frame/s,能够满足实时性需求。因此,所提检测方法适用于自动化分拣杂质玻璃任务的视觉部分。
目标检测、背景增强、垃圾分拣、杂质玻璃
59
TP391.41;TM714;G250.2
2022-10-17(万方平台首次上网日期,不代表论文的发表时间)
共1页
1815011