基于YOLO-V2算法的翻车机摘钩视觉识别

当今,图像识别依旧是炙手可热的话题。随着科技的不断进步,图像视觉系统在各行各业的应用逐渐普及。翻车机系统全自动化的首要任务就是摘钩机器人视觉系统的设计,能否准确地识别目标,并且持续地跟踪目标是其重中之重。因为视觉跟踪识别是处理非线性的数据,即目标对象和背景均随着时间的变化而变化,但是目前大多数算法往往通过提取目标的不变的特征,而且仅能在短持续时间和较好的实验环境下才能够跟踪对象。由于跟踪任务目标的外观或跟踪目标的周围环境并不固定,这些算法往往难以准确地跟踪任务目标。又因为跟踪目标的特殊性和不确定性,采用一种鲁棒性强的算法是必要的。本文基于YOLO-V2的目标检测算法,针对车钩手柄的追踪识别调整了内部的算法,针对性地优化其损失函数,在不同的环境、气候下,算法模型的抗干扰性、准确性有了显著的提升,在光照强度剧烈变化时的车钩捕捉识别分割能力仍然稳定;通过增设残差网络进一步捕捉关键特征像素点,最终经多重卷积并组合其各类特征,快、准、稳地实现车钩的识别。