基于改进YOLOv3算法的堆叠工件检测

针对传统物体检测算法识别堆叠工件存在准确率低以及漏检的问题,提出一种基于改进YOLOv3算法的堆叠工件检测方法。首先,引入Inception结构增强特征检测网络的特征提取能力,提高堆叠工件检测的准确率;其次,引用增强型特征金字塔结构(enhanced feature pyramid network,EFPN),提高模型多尺度特征融合能力,改善算法漏检率高的问题;最后,利用K-means聚类融合交并比损失函数(intersection over union,IOU)重新确定工件锚框,解决YOLOv3网络预设锚框尺寸不适合现有工件的问题。实验结果表明,改进算法均值平均精确度(mean average precision,mAP)达到92.89%,相较于原始YOLOv3算法提高了5.32%,F1值为0.95,召回率为93.33%,精确率为97.65%,满足堆叠工件检测的指标要求。

GD包装机缺包检测装置浅析

产品质量是企业的生命线,在市场经济日益发达的今天,产品质量对于企业的重要性越来越高。在所有影响产品质量的问题中,条盒中缺包是包装工段最严重的问题之一,以下论述条盒缺包产生的原因及烟包检测装置。条盒中缺包是包装工段中比较难处理的问题,一旦出现就会严重影响产品质量,损坏企业的形象。为避免此类产品质量问题出现,在条盒包装及输送过程中加装了几种不同类型的缺包检测装置。首先是YB65入口处的堆叠检测,检测烟包是否两包上下整齐排列进入YB65入口的;其次是YB65出口通道条盒缺包检测,检测进入YB95的条盒烟是否缺包;最后是提升输送道上的光子型条烟缺包检测装置,防止缺包条烟进入装封箱机。