基于改进SSD的零件目标检测研究与应用

摘要

针对传统的目标检测算法需要人为进行特征提取、算法检测精度低、识别速度慢的问题,结合深度学习方法,提出了一种基于SSD模型的目标检测算法,首先将SSD模型的前置网络VGG替换为MobileNet V2,减少模型训练参数,降低运算量,从而提高模型的检测速度;其次,引入Focal loss作为分类损失函数,优化模型中正负样本的不平衡问题,同时自制机械零件数据集,通过数据增强丰富数据集,以提高模型的鲁棒性.结果表明:改进SSD算法在检测速度和检测精度上均具有一定的优越性.