典型文献
基于YOLOv4的杂质玻璃分拣检测研究
文献摘要：
在废旧玻璃的回收处理流程中，前端的各种杂质玻璃由人工分拣去除，自动化程度低。针对此问题，以上海市某玻璃回收处理企业人工分拣场景为研究背景，提出了一种基于YOLOv4算法的流水线杂质玻璃检测方法。一方面，实地采集典型样本拍摄图像作为数据集，采用间接检测两端的方式对细长胶条玻璃类别进行标注；另一方面，采用Kmeans++算法重新设定先验框（anchors），利用4倍下采样率的高分辨率特征图进行特征融合以提高对小目标的检测性能。结果表明：模型检测平均精度均值（mAP）达97.88%，其中对胶条玻璃的AP为95.47%；与其他方法相比，模型参数量减少31.11%，对胶条玻璃的AP提高6.70个百分点，检测速度为42.82 frame/s，能够满足实时性需求。因此，所提检测方法适用于自动化分拣杂质玻璃任务的视觉部分。
文献关键词：
目标检测;背景增强;垃圾分拣;杂质玻璃
中图分类号：
作者姓名：
杨波;许振明;刘建鑫
作者机构：
上海交通大学中英国际低碳学院，上海 201306;南京电子技术研究所，江苏 南京 210039
文献出处：
引用格式：
[1]杨波;许振明;刘建鑫-.基于YOLOv4的杂质玻璃分拣检测研究)[J].激光与光电子学进展,2022(18):1815011
A类：
杂质玻璃
B类：
YOLOv4,废旧,回收处理,处理流程,人工分拣,拣去,研究背景,流水线,典型样本,间接检测,细长,胶条,Kmeans++,先验框,anchors,下采样,采样率,高分辨率特征,特征图,特征融合,小目标,检测性能,模型检测,平均精度均值,mAP,其他方法,模型参数量,百分点,检测速度,frame,性需求,自动化分拣,目标检测,背景增强,垃圾分拣
AB值：
0.401177
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
