为了高效准确地提取乒乓球图像特征,对在复杂背景下的两种乒乓球进行精确识别。以网络上乒乓球图片为样本,利用单阶段目标检测模型YOLOv5对乒乓球数据进行训练,将训练好的模型部署于Windows平台,并且利用motion通过树莓派连接外接摄像...为了高效准确地提取乒乓球图像特征,对在复杂背景下的两种乒乓球进行精确识别。以网络上乒乓球图片为样本,利用单阶段目标检测模型YOLOv5对乒乓球数据进行训练,将训练好的模型部署于Windows平台,并且利用motion通过树莓派连接外接摄像头进行拍摄并传输到Windows端,Windows端将识别结果(乒乓球的坐标)通过传输控制协议(Transmiss ion Control Protocol,TCP)传送给树莓派,最后树莓派控制小车将乒乓球捡入收集篮中。结果表明:本研究训练的模型平均精准度高,AP50指标和AP@50:5:95指标分别为97.6%和67.0%。Windows和树莓派端程序稳定可靠,在体育馆等复杂环境下,可以快速、准确地识别乒乓球并且定位乒乓球的位置,小车可以精准地捡球并将其放入收集篮中。本研究训练的模型具有稳健性强、实时性好、精准度高等优点,系统可以长时间并且稳定地拾取乒乓球。展开更多
文摘为了高效准确地提取乒乓球图像特征,对在复杂背景下的两种乒乓球进行精确识别。以网络上乒乓球图片为样本,利用单阶段目标检测模型YOLOv5对乒乓球数据进行训练,将训练好的模型部署于Windows平台,并且利用motion通过树莓派连接外接摄像头进行拍摄并传输到Windows端,Windows端将识别结果(乒乓球的坐标)通过传输控制协议(Transmiss ion Control Protocol,TCP)传送给树莓派,最后树莓派控制小车将乒乓球捡入收集篮中。结果表明:本研究训练的模型平均精准度高,AP50指标和AP@50:5:95指标分别为97.6%和67.0%。Windows和树莓派端程序稳定可靠,在体育馆等复杂环境下,可以快速、准确地识别乒乓球并且定位乒乓球的位置,小车可以精准地捡球并将其放入收集篮中。本研究训练的模型具有稳健性强、实时性好、精准度高等优点,系统可以长时间并且稳定地拾取乒乓球。