您好,欢迎来到中国测试科技资讯平台!
摘要:
为了解决复杂场景下激光跟踪仪对合作目标靶球的精确识别难题,提出了基于深度学习的合作目标靶球高效检测方法。首先分析了合作目标靶球的图像特征,然后采用改进的YOLOv2模型,针对合作目标靶球多尺度与小目标占比多的特点,提出了一种基于注意力机制的改进方法,同时为提高网络模型对复杂背景的抗干扰能力,提出了一种数据增强方法。测试结果表明,所提出的基于注意力机制与数据增强的改进YOLOv2模型对复杂背景的抗干扰能力较强,且对合作目标靶球的检测精度有显著提高,在合作目标靶球测试集上的检测准确率达到92.25%,能够有效满足激光跟踪仪在大型装置精密装配过程中的目标检测精度需求。
关键词: 激光跟踪仪;合作目标靶球检测;深度学习;YOLOv2;
作者: 王国名1,2郝灿1,2石俊凯1高超1,2王博1周维虎1,2高豆豆1
作者单位: 1. 中国科学院微电子研究所2. 中国科学院大学
刊名: 计测技术
Journal: Metrology & Measurement Technology
年,卷(期): 2022, (3)
在线出版日期: 2022年05月21日
页数: 7
页码: 16-22