基于SSD算法的智能定员检测研究

为了保障企业生产线的安全生产,针对生产线定员检测问题,论文提出了一种基于SSD目标检测算法的生产线定员检测算法,在传统SSD算法基础上优化了小尺寸目标的检测效果。该算法通过在ResNet101网络和添加的卷积层上选取适合的特征层进行提取多尺寸图像特征,然后产生一连串大小固定的边框和相应概率,最后使用非极大值抑制法得到最佳的预测值,实现对生产线人员数量实时监控。论文实验通过对生产线人员检测数据集进行测试,SSD_ResNet模型在该数据集上达到了87%的mAP,从人员准确率的角度验证了该算法的有效性。

基于相似度的蚁群聚类算法

针对于蚁群聚类算法在搬运数据项过程中随机选择移动位置时,由于无效移动导致的算法收敛速度缓慢等缺陷,论文提出了一种基于相似度的蚁群聚类算法。通过设计相似度矩阵,基于相似移动机制将蚂蚁随机移动方式优化为按照相似度矩阵规则实施目的性的关联。实验选取Iis、Wine、Haberman和Balance-scale四种经典数据集,相较于现有的LF算法及GACC算法,结果表明在蚂蚁空载率都为90%的条件下,论文提出的SMACC算法的迭代次数明显降低,均体现出较优的聚类速率。