基于自适应图像增强的高精度纸箱检测,用于无人货物处理任务
Bing Liang1, Xin Wang1, Wenhao Zhao1
1Naval Architecture and Ocean Engineering College, Dalian Maritime University, Dalian 116026, China.
Sensors (Basel, Switzerland)
|January 11, 2024
概括
本研究介绍了一种自适应图像增强方法,以改善高精度纸箱检测,用于智能货物处理. 该技术比基准方法提高了18.1%的检测精度,确保了更安全,更有效的港口运营.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 机器人技术 机器人技术 机器人技术
背景情况:
- 智能货物处理需要高精度的纸箱检测,以提高效率和安全性.
- 现有的方法面临着不同的成像参数和密集的货物边界的挑战.
研究的目的:
- 引入适应性图像增强方法,用于高精度的纸箱检测.
- 为了减少场景干扰并提高密集货物的检测性能.
- 提高增强数据集的培训效率.
主要方法:
- 集群成像参数来定义场景,并适应调整图像增强.
- 提取纸箱边界特征和随机抽样来合成新的图像.
- 在遗传进化过程中构建超参数优先交叉的重量函数.
主要成果:
- 实现了0.828.8的纸箱检测精度.
- 与基线方法相比,显著提高了检测精度18.1%.
- 与其他方法相比,检测精度提高了4.4%.
结论:
- 适应性图像增强方法可靠地保证了智能货物处理流程.
- 该技术有效地应对不同成像条件和密集货物场景中的挑战.
- 这种方法在自动化港口货物转运方面取得了重大进展.
