基于改进SOLO神经网络钢包起重挂钩的识别测定

为了提高基于计算机视觉的检测钢包挂钩分割的准确性,提出了一种基于改进SOLO网络挂钩的识别方法。首先构造卷积神经网络ResNeXt并将其设计为SOLO的主干网络,用于提取挂钩的特征;其次为了更好地解决挂钩多尺度的问题引入特征金字塔网络(FPN),构造ResNeXt-FPN网络结构;最后将SOLO算法分为类别预测和掩码生成2个分支,在类别预测生成的同时,对挂钩生成对应的实例分割掩码。实验结果表明,改进SOLO算法的平均召回率和精确率分别达到82.10%和97.70%,优于其它公开算法网络。