基于改进Mask R-CNN的纸箱堆垛分割与定位方法

摘要

我国物流仓储行业发展迅速,利用仓储机器人实现仓库无人化是发展趋势,如何使机器人自主识别纸箱并进行定位具有重要的研究意义.为提升图像处理网络模型的性能,以完成对纸箱的分割与定位任务,对现有网络存在的不足进行理论分析,并结合仓储环境下纸箱的特点和机器人作业的要求,提出一种Mask R-CNN网络的改进方法.针对漏检误检率不理想和定位不精准等问题,分别提出了引入上下文机制和改善损失函数等改进方案,实验证明,改进后的Mask R-CNN网络在识别率与定位准确率上都有大幅提高.