基于YOLO神经网络模型的自动喷涂线工件分类识别方法

摘要

针对自动喷涂生产线提出了一种基于YOLO-V3模型的改进密集型工件识别方法。介绍了自动喷涂生产线YOLO-V3 dense改进算法的总体方案流程,通过数据增强的方式获取训练集,并利用密集型网络方法改进算法。对训练后的模型,采用多角度测试集对比及不同神经网络模型对比,评估改进的神经网络模型。测试结果表明,提出的YOLO-V3dense算法,纵向比较优于YOLO-V2和具有VGG16网络模型的Faster R-CNN,横向比较优于传统的YOLO-V3模型,因此基于YOLO-V3改进的密集型神经网络更加适合用来检测常见喷涂工件。