卷积神经网络物体检测算法在物流仓库中的应用

来源：计算机工程杂志2018年第6期北京时间：

作者：李天剑,黄斌,刘江玉,金秋

单位：1.北京信息科技大学 机电工程学院,北京 100192; 2.北京航空航天大学 自动化科学与电气工程学院,北京 100191

摘要：针对传统物体检测算法在复杂环境下检测准确率较低的问题,提出一种新的托盘检测算法。采集真实仓库中包括人和托盘的大量图片进行标注,构建物流仓库的托盘数据库,并将单次多箱探测器检测算法中的基础网络改进为DenseNet网络,利用所标注的托盘数据库进行训练和测试。在测试阶段,结合不同分辨率的多尺度特征图,以增强网络对被检测物体的适应能力,并使用单一网络实现检测任务。实验结果表明,与YOLO算法相比,该算法检测准确率提高了6.1%。

关键词：物体检测,托盘检测,卷积神经网路,深度学习,稠密连接卷积神经网络

基金资助：北京市科技计划项目(Z171100000817006)。