卷积神经网络物体检测算法在物流仓库中的应用

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％.