本文主要研究内容
作者刘威（2019）在《基于图像处理的钢管自动识别系统》一文中研究指出：目前,国内大多数的棒材生产厂商多采用光电技术或者是人工的方法对棒材进行统计。光电技术统计仅适用于棒材没有交叉重叠的情况,而人工统计则耗时长,效率低,劳动强度大,即繁琐又易错。同时,也有不少学者为此努力,力求减少人工劳动量、提升技术水平,以解放生产力,节约生产成本,提高效率。但是,在棒材计数领域,始终没有非常好的解决方案,来解决这个问题。要么就是单纯采用人工计数的方式,这种方法劳动强度高,出错几率大,有时需要反反复复计数好几遍才能正确数清,稍有疏忽就会出差错,在时间的成本和人工人力的成本上十分昂贵,费力又费时。要么是设计一套严格的计数方案,在特定的场景,特定的条件下,加上图像算法和人工审核的方式,实现准确计数的功能。为实现一种方便快捷棒材计数方案,本文介绍了一种基于目标检测的钢管自动识别系统。在确立算法之前,先去实际工地调研,了解实际工地棒材堆放情况,然后现场采集数据,对几个堆放的钢管堆录制视频作为数据。再对现场工地采集到的数据进行预处理:先分析几个采集到的视频数据,经过数据清洗、筛选后,清除掉不良数据。再将视频数据逐帧转为图片数据,并随机抽取数据进行了试处理,发现会用传统的图像处理方式,无法提取有效特征,将钢管边缘完好提取出来,那么接下来的计数也就无法在进行下去。接着尝试其他方式来进行识别。在尝试使用深度学习来实现本文的目的,先对一部分数据进行预处理,包括数据清洗、数据增强、数据标注等工作。并采用目标检测中YOLOv3的算法进行训练,以此得到好的模型。再抽取剩余数据中一部分来测试该模型,发现结果良好,决定采用YOLOv3来解决本文问题。本文使用NVIDIA1070TI的显卡来进行GPU浮点计算,使用YOLOv3训练模型,再将模型移植出来,加入Pyqt程序设计,加以改进做成一套系统。经过测试效果良好,使用简单。
Abstract
mu qian ,guo nei da duo shu de bang cai sheng chan an shang duo cai yong guang dian ji shu huo zhe shi ren gong de fang fa dui bang cai jin hang tong ji 。guang dian ji shu tong ji jin kuo yong yu bang cai mei you jiao cha chong die de qing kuang ,er ren gong tong ji ze hao shi chang ,xiao lv di ,lao dong jiang du da ,ji fan suo you yi cuo 。tong shi ,ye you bu shao xue zhe wei ci nu li ,li qiu jian shao ren gong lao dong liang 、di sheng ji shu shui ping ,yi jie fang sheng chan li ,jie yao sheng chan cheng ben ,di gao xiao lv 。dan shi ,zai bang cai ji shu ling yu ,shi zhong mei you fei chang hao de jie jue fang an ,lai jie jue zhe ge wen ti 。yao me jiu shi chan chun cai yong ren gong ji shu de fang shi ,zhe chong fang fa lao dong jiang du gao ,chu cuo ji lv da ,you shi xu yao fan fan fu fu ji shu hao ji bian cai neng zheng que shu qing ,shao you shu hu jiu hui chu cha cuo ,zai shi jian de cheng ben he ren gong ren li de cheng ben shang shi fen ang gui ,fei li you fei shi 。yao me shi she ji yi tao yan ge de ji shu fang an ,zai te ding de chang jing ,te ding de tiao jian xia ,jia shang tu xiang suan fa he ren gong shen he de fang shi ,shi xian zhun que ji shu de gong neng 。wei shi xian yi chong fang bian kuai jie bang cai ji shu fang an ,ben wen jie shao le yi chong ji yu mu biao jian ce de gang guan zi dong shi bie ji tong 。zai que li suan fa zhi qian ,xian qu shi ji gong de diao yan ,le jie shi ji gong de bang cai dui fang qing kuang ,ran hou xian chang cai ji shu ju ,dui ji ge dui fang de gang guan dui lu zhi shi pin zuo wei shu ju 。zai dui xian chang gong de cai ji dao de shu ju jin hang yu chu li :xian fen xi ji ge cai ji dao de shi pin shu ju ,jing guo shu ju qing xi 、shai shua hou ,qing chu diao bu liang shu ju 。zai jiang shi pin shu ju zhu zhen zhuai wei tu pian shu ju ,bing sui ji chou qu shu ju jin hang le shi chu li ,fa xian hui yong chuan tong de tu xiang chu li fang shi ,mo fa di qu you xiao te zheng ,jiang gang guan bian yuan wan hao di qu chu lai ,na me jie xia lai de ji shu ye jiu mo fa zai jin hang xia qu 。jie zhao chang shi ji ta fang shi lai jin hang shi bie 。zai chang shi shi yong shen du xue xi lai shi xian ben wen de mu de ,xian dui yi bu fen shu ju jin hang yu chu li ,bao gua shu ju qing xi 、shu ju zeng jiang 、shu ju biao zhu deng gong zuo 。bing cai yong mu biao jian ce zhong YOLOv3de suan fa jin hang xun lian ,yi ci de dao hao de mo xing 。zai chou qu sheng yu shu ju zhong yi bu fen lai ce shi gai mo xing ,fa xian jie guo liang hao ,jue ding cai yong YOLOv3lai jie jue ben wen wen ti 。ben wen shi yong NVIDIA1070TIde xian ka lai jin hang GPUfu dian ji suan ,shi yong YOLOv3xun lian mo xing ,zai jiang mo xing yi zhi chu lai ,jia ru Pyqtcheng xu she ji ,jia yi gai jin zuo cheng yi tao ji tong 。jing guo ce shi xiao guo liang hao ,shi yong jian chan 。
论文参考文献
论文详细介绍
论文作者分别是来自长江大学的刘威，发表于刊物长江大学2019-09-04论文，是一篇关于钢管计数论文,图像处理论文,深度学习论文,目标检测论文,长江大学2019-09-04论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自长江大学2019-09-04论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：钢管计数论文; 图像处理论文; 深度学习论文; 目标检测论文; 长江大学2019-09-04论文;