最新設(shè)計資源

基于深度學(xué)習(xí)的復(fù)雜分揀圖像快速識別方法研究[嵌入式技術(shù)][工業(yè)自動化]

訓(xùn)練速度更快、識別精準(zhǔn)度更高的圖像識別技術(shù)一直是智能技術(shù)的研究熱點(diǎn)及前沿。針對物流分揀倉庫環(huán)境復(fù)雜、照明度不高以及快遞外包裝區(qū)別不明顯的特點(diǎn)，對基于深度學(xué)習(xí)的分揀圖像快速識別進(jìn)行了研究，設(shè)計了一個卷積神經(jīng)網(wǎng)絡(luò)。由于倉庫的封閉環(huán)境和光照條件等因素而導(dǎo)致分揀圖像不是很清晰，首先用對偶樹復(fù)小波變換對其進(jìn)行降噪等預(yù)處理；然后在基于AlexNet神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上，對于卷積神經(jīng)網(wǎng)絡(luò)的卷積層、ReLU層和池化層參數(shù)進(jìn)行重新定義來加快神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)速度；最后根據(jù)新的圖像分類任務(wù)對神經(jīng)網(wǎng)絡(luò)的最后三層全連接層、Softmax層和分類輸出層進(jìn)行定義來適應(yīng)新的圖像識別。所提出的基于深度學(xué)習(xí)的快速分揀圖像識別方法在面對較為復(fù)雜的分揀圖像識別時，有較高的訓(xùn)練速度和識別精準(zhǔn)度，能達(dá)到實(shí)驗要求。分揀圖像快速識別對于提高無人倉等場合下的物流效率具有重要意義。

發(fā)表于：3/9/2020