-
题名基于深度残差网络的有色金属破碎料视觉识别方法
被引量：6
- 1
-
-
作者
李成
汪小凯
章振原
秦训鹏
-
机构
武汉理工大学汽车工程学院
武汉理工大学现代汽车零部件技术湖北省重点实验室
武汉理工大学汽车零部件技术湖北协同创新中心
-
出处
《有色金属工程》
CAS
北大核心
2019年第8期127-134,共8页
-
基金
湖北省重大科技创新计划项目(2015AAA014)
湖北省技术创新专项重大项目(2017AAA008)~~
-
文摘
为从报废机械中回收和分选有色金属,提出一种基于深度残差网络的有色金属破碎料视觉识别方法,使分选过程自动化。为从彩色CCD相机采集的图像中获得金属破碎料的感兴趣区域(ROI),通过反距离加权插值算法优化大津方法,使得图像分割的阈值可以自适应调节,以取得更好的分割效果。有色金属破碎料的感兴趣区域作为一个39层的深度残差网络的输入用以训练网络,深度残差网络输出每个有色金属破碎料的类别,工控机通过这种算法和相机标定获取破碎料在传送带上的位置和类别信息来控制分选机构。作为对比,开展了基于传统的卷积网络,如AlexNet、VGGNet16、VGGNet39、GoogLeNet(InceptionV2)的有色金属破碎料识别测试。结果表明,基于深度残差网络的方法对铝料、铜料和其他杂料的识别准确率分别达到98.7%、98.9%、96.2%,优于基于传统的卷积网络。
-
关键词
深度学习
视觉识别
有色金属破碎料
-
Keywords
deep learning
visual recognition
nonferrous metal crushed aggregates
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于多特征融合的高速路车辆多目标跟踪算法研究
被引量：7
- 2
-
-
作者
胡随芯
常艳昌
杨俊
章振原
-
机构
武汉理工大学
现代汽车零部件技术湖北省重点实验室
湖北三环车桥有限公司
-
出处
《汽车技术》
CSCD
北大核心
2020年第9期8-13,共6页
-
文摘
针对高速路车辆移动速度快、检测器易出现漏检和误检、目标相互遮挡等问题,提出一种基于多种特征融合的高速路车辆多目标跟踪算法。检测器获取每帧目标检测框后,采用HSV颜色直方图和HOG直方图建立目标外观模型,通过卡尔曼滤波建立目标位置模型和尺寸模型,融合多种特征模型构建相似性度量矩阵,并利用二分图匹配解决在线数据关联问题。在KITTI车辆数据集和自采的高速车辆数据集上将该算法与若干经典算法进行比较,结果表明,该算法在跟踪正确率和跟踪速度上明显提升。
-
关键词
车辆跟踪
特征融合
卡尔曼滤波
数据关联
-
Keywords
Vehicle tracking
Feature fusion
Kalman filter
Data association
-
分类号
TG455
[金属学及工艺—焊接]
TG76
[金属学及工艺—刀具与模具]
-
