基于改进的YOLOv3的托盘检测方法研究*

王平凯，孙光泽，朱芮萱

（长春工业大学机电工程学院，长春 130012）

0 引言

卷积神经网络（Convolutional Neural Network，CNN）是一种人工神经网络[1]，1998 年，LeCun[2]提出了第一个卷积神经网络模型LeNet，随着Relu 和Dropout 的提出，以及GPU 和大数据带来的历史机遇，相继诞生了AlexNet、VggNet、Gool⁃eNet、ResNet[3－6]。由于图像数据可以看作二维的像素网格，卷积神经网络通过特殊的线性运算可以处理图像数据，因此常被应用于图像处理与目标检测。

目标检测目前有一阶段（one－stage）和两阶段（two－stage）两种方法，其中，一阶段是指通过一遍网络就可以得出目标的位置和类别信息，常见的方法有括YOLO（you only look once）[7]、SSD（single shot multibox detector）[8]等。两阶段是指当输入图片通过网络后，会生成一些候选区域，这些区域可能会包含一个待检测目标，然后进一步区分这些候选区域具体包含了哪些待检测的目标。常见的方法有R－CNN（region－conventional neural network）、Fast R－CNN、Faster R－CNN、Mask R－CNN 和SPP－net（spatial pyramid pool⁃ing－net）[9－12]。

基于卷积神经网络的目标检测方法能够快速准确地定位到目标，通过辅助设备能向人类用户传递实时的场景信息。随着物流业的蓬勃发展，智能化叉车不断涌现，目标检测起了推动性的作用，除了基于卷积神经网络的目标检测方法，还有传统的检测方法。J.Pagès等[13]介绍了一个完整的计算机视觉系统，提出了基于颜色和几何特征的托盘识别方法。Mi⁃chael Seelinger等[14]提出了一种移动相机空间操作（MCSM）的视觉引导控制方法，将基准放在托盘本身，实验的精度与速度都很高，但同时需要预先给托盘添加基准和多摄像头的高成本。Sungmin Byun等[15]提出了一种基于单目视觉的托盘定位方法，该方法快速、准确，同时采用了摄像机标定技术来确定托盘的位置。……