基于卷积神经网络的包号识别方法及其应用

以YOLOv3神经网络为基础,提出一种炼钢车间内包号识别方法。首先收集了现场包号的图像组成原始数据集,之后对其进行筛选、标注、图像预处理等形成训练数据集。接着,借助K-means聚类运算得到网络训练所需的锚框尺寸,并针对包号图像的特点调整了网络模型参数。最后,在训练数据集上训练网络得到识别模型。识别模型的输出经后处理,应用在天车物流跟踪系统中。结果显示,该包号识别方法的准确率在98%以上。此外,在生产环境长期运行的实践表明,本识别方法可满足天车物流跟踪系统对包号识别准确性、稳定性和实时性的要求。