改进SSD算法的QR二维码精准定位方法研究

为解决污水处理厂加盖封闭后带来的巡检难题,可利用巡检机器人精准定位标识有特征二维码的检测盖板,并打开盖板以获取被巡检区域内的关键信息。由于传统二维码检测技术无法满足高精度的定位需求,提出一种改进的单次多边框检测(SSD)算法。在SSD算法对快速响应(QR)二维码区域进行粗定位的基础上,通过中值滤波和自适应二值化处理,采用透视变换方法矫正变形图像,利用边缘提取和定位码筛选的方法实现对QR二维码的精准定位。构建污水处理厂检测盖板QR二维码数据集,选取图像采集中常见的5种工况进行试验。试验结果表明,相较于开源计算机视觉库(OpenCV)算法,改进SSD算法识别率平均提升约5%、开盖率平均提升约32%,大幅提高了智能巡检效率。该算法有效解决了复杂工业场景下的二维码图像定位问题。

基于神经网络结合模板匹配算法的送药系统研究

为解决医院送药的效率低以及人力资源浪费等问题,设计了一款基于单次多边框检测(SSD)卷积神经网络结合多模板匹配算法的智能送药系统。该系统主要由目标检测装置和智能循迹装置组成,实现了图像识别、电机舵机控制和人机交互功能。系统采用OpenMv4摄像头模块对目标进行图像识别和采集,在TensorFlow平台设计SSD卷积神经网络目标检测算法,训练图像数据得到目标检测模型。将该模型与多模板匹配算法结合进行目标检测。以英飞凌TC264芯片作为主控芯片,对电机和舵机分别设计增量式比例积分微分(PID)算法和位置式PID算法进行控制,实现小车智能循迹。经验证,该系统的目标检测模型识别精确度可达96.3%,能够稳定实现送药系统的实时目标任务,提高医院送药效率,具有良好的实际应用效果。

基于深度学习的智能广告牌的设计与实现

针对大型商场、地铁站和电梯内的液晶显示屏(LCD)广告牌只能按照预设广告内容进行循环播放的问题,本文将基于深度学习技术与LCD广告牌相结合,实现能够智能识别广告牌前客户的特征信息,针对性地为客户推送广告。总体设计思路为训练目标检测模型,使用嵌入式端RK3399模拟智能广告牌,然后将模型部署到基于Android平台的嵌入式端,最后通过编写服务器端与嵌入式端程序实现通信。目标检测模型基于TensorFlow框架,采用SSD-MobileNet目标检测算法。服务器端与嵌入式端的通信采用Socket通信。结果表明,本设计实现了根据检测结果推送针对性广告的功能,改善了LCD广告牌的宣传效果,为LCD广告牌的宣传形式提供了新思路。