文献类型：期刊文章

作　　者：徐健[1] 陆珍[1] 刘秀平[1] 张立昌[2] 闫焕营[3]

Xu Jian;Lu Zhen;Liu Xiuping;Zhang Lichang;Yan Huanying(School of Electronices and Information,Xi'an Polytechnic University,Xi'an 710048,China;School of Engineering Training Centre,Xi'an Polytechnic University,Xi'an 710048,China;Shenzhen Municipal Robotel Robot Technology Co.,Ltd.,Shenzhen 518109,China)

机构地区：[1]西安工程大学电子信息学院,西安710048 [2]西安工程大学工程训练中心,西安710048 [3]深圳罗博泰尔机器人有限公司,深圳518109

出　　处：《电子测量与仪器学报》

基　　金：西安市科技局高校人才服务企业项目(GXYD7.5);陕西省科技厅工业领域一般项目(2018GY-173)资助

年　　份：2022

卷　　号：36

期　　号：1

起止页码：227-235

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、EAPJ、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对密集工件存在相似度高、排列无序的特性导致检测难度大的问题,提出了一种注意力机制优化RetinaNet的密集工件检测方法。首先将注意力机制引入到RetinaNet主干特征提取网络以减少干扰物对检测效果的影响,提高神经网络的特征提取能力;然后利用Soft-NMS构建新的预测框提高重叠定位精度;最后通过迁移学习的方法训练数据集,提高模型训练效率。在密集工件数据集上验证该方法的有效性,实验结果表明,改进后的方法检测精度达到了98.11%,相较于改进前提高了2.59%,单张图片检测速度达到了0.026 s,该方法能够满足实际工业生产过程中精准检测工件的目的,在保证速度的同时降低了漏检率和误检率。

关 键 词：目标检测 密集工件  注意力机制  RetinaNet  

分 类 号：TG806] TP391.41]