计算机工程

作者：刘学平, 李玙乾, 刘励, 王哲, 刘宇

单位：1. 清华大学 深圳研究生院, 广东 深圳 518055;2. 清华大学 机械工程系, 北京 100084;3. 长虹智能制造技术有限公司, 成都 621000

关键词：目标识别,卷积神经网络,SENet结构,YOLOV3网络,粒子群优化算法

基金：国家自然科学基金（51475263）。

为准确识别工业图像中的目标零件，提出一种改进的YOLOV3目标识别算法。结合K-means聚类与粒子群优化算法进行锚框计算，以降低初始点对聚类结果的影响，加快算法收敛速度。同时在YOLOV3网络shortcut层嵌入SENet结构，得到SE-YOLOV3网络。对零件图像进行数据增强并加入零件标注，制作包含10 816张图片的样本集，用于算法训练和测试。实验结果表明，该算法能够获得平均交并比为83.01%的锚框，当样本图像存在较多残缺零件干扰时，YOLOV3存在将背景识别为零件的情况，其查准率与查全率分别为72.11%和97.51%，而SE-YOLOV3能有效减少假正例数量，其查准率与查全率分别为90.39%和93.25%。

来源：2019年第11期

《计算机工程》期刊编辑部

查看计算机工程杂志2019年第11期