最新資訊

基于深度學(xué)習(xí)的復(fù)雜分揀圖像快速識(shí)別方法研究

訓(xùn)練速度更快、識(shí)別精準(zhǔn)度更高的圖像識(shí)別技術(shù)一直是智能技術(shù)的研究熱點(diǎn)及前沿。針對(duì)物流分揀倉(cāng)庫(kù)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(duì)基于深度學(xué)習(xí)的分揀圖像快速識(shí)別進(jìn)行了研究，設(shè)計(jì)了一個(gè)卷積神經(jīng)網(wǎng)絡(luò)。由于倉(cāng)庫(kù)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(duì)偶樹復(fù)小波變換對(duì)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(duì)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(lái)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(duì)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(lái)適應(yīng)新的圖像識(shí)別。所提出的基于深度學(xué)習(xí)的快速分揀圖像識(shí)別方法在面對(duì)較為復(fù)雜的分揀圖像識(shí)別時(shí)，有較高的訓(xùn)練速度和識(shí)別精準(zhǔn)度，能達(dá)到實(shí)驗(yàn)要求。分揀圖像快速識(shí)別對(duì)于提高無(wú)人倉(cāng)等場(chǎng)合下的物流效率具有重要意義。

發(fā)表于：3/9/2020