基于目标检测算法的列车车厢信息检测系统设计
发布时间：2021-05-14 15:33
港口主要记录进出港口的列车车厢信息（列车车厢号、列车皮重等）和进出港口的实际信息,并以差值作为依据用于结算使用。目前,存在列车车厢信息与系统中信息不一致的问题,通过人工抄录劳动强度大,且出现错误率无从考证,所以如何快速精准的检测列车车厢信息是研究的关键。针对实际环境和列车车厢信息目标的特点,采用了基于回归的卷积神经网络目标检测算法,完成了对列车车厢信息的检测。首先设计了数据采集系统,来获得清晰的视频图像,通过预处理和目标检测算法,对列车车厢信息进行检测并保存。主要工作内容如下:（1）对比研究了五种卷积神经网络目标检测算法,对比分析了其中三种算法的测试结果的精度和速度,选取了速度较高、精度较高的YOLOv3算法。（2）根据列车车厢规格大小和拍摄点与列车车厢之间的距离,选择Genie TS-C2048相机和VS-0618H1镜头,选用LDR2-32SW2环形光源增加补光,保证视频图像的清晰程度,通过网线进行数据传输到电脑端。用labelImg软件对经过预处理的图像进行标注,得到网络所需的数据集。（3）在数据集的基础上,结合K-means++聚类算法调整anchor box的大小,根据目标间...
【文章来源】：青岛大学山东省
【文章页数】：56 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 本课题的研究目的及意义
1.2 国内外研究背景及现状
1.3 研究内容及章节安排
第二章 需求分析与总体设计
2.1 需求分析
2.2 总体设计
第三章 卷积神经网络及目标算法概念
3.1 卷积神经网络
3.1.1 输入层
3.1.2 卷积层
3.1.3 池化层
3.1.4 全连接层
3.1.5 输出层
3.2 残差网络
3.3 目标检测算法
3.3.1 传统的目标检测
3.3.2 基于分类的卷积神经网络目标检测
3.3.3 基于回归的卷积神经网络目标检测
3.3.4 目标检测算法的选择
3.4 本章小结
第四章 数据集的制作
4.1 图像的获取
4.1.1 相机模块
4.1.2 光源模块
4.1.3 图像采集模块
4.2 图像的预处理
4.2.1 亮度转换
4.2.2 图像增强
4.3 图像的标注
4.4 本章小结
第五章 YOLOV3算法的改进
5.1 ANCHOR BOX的大小
5.2 网络层数的修改
5.3 特征融合方式的改进
5.4 测试结果对比
5.5 本章小结
第六章 实验平台及测试结果
6.1 实验平台配置
6.2 项目要求及检测指标分析
6.3 训练和测试结果分析
6.3.1 训练过程
6.3.2 测试过程
6.4 本章小结
第七章 总结与展望
7.1 论文总结
7.2 前景展望
参考文献
攻读学位期间的研究成果
致谢
【参考文献】：
期刊论文
[1]人工智能背景下数字图像处理教学方法的两点思考[J]. 酒明远. 科技风. 2019(33)
[2]基于激光测距传感器的障碍物检测与模式识别[J]. 王丽珍,刘慧玲,薛小兰. 激光杂志. 2019(08)
[3]一种去除椒盐噪声的自适应模糊中值滤波算法[J]. 万丰丰,周国民,周晓. 浙江大学学报(理学版). 2019(04)
[4]基于YOLOv3的自动驾驶中运动目标检测[J]. 李云鹏,侯凌燕,王超. 计算机工程与设计. 2019(04)
[5]数字图像去噪算法原理及应用[J]. 江唯奕. 电子制作. 2019(06)
[6]基于无线射频与FPGA技术的数据采集系统研究[J]. 伍怀琪,习斌. 计算机产品与流通. 2019(03)
[7]基于图像处理的车牌识别技术[J]. 付莉,付秀伟,陈玲玲. 吉林化工学院学报. 2019(03)
[8]Multi-scale object detection by top-down and bottom-up feature pyramid network[J]. ZHAO Baojun,ZHAO Boya,TANG Linbo,WANG Wenzheng,WU Chen. Journal of Systems Engineering and Electronics. 2019(01)
[9]卷积神经网络综述[J]. 刘健,袁谦,吴广,喻晓. 计算机时代. 2018(11)
[10]浅谈智能型工业相机的应用[J]. 周文彬. 电子测试. 2018(22)
本文编号：3185894
【文章来源】：青岛大学山东省
【文章页数】：56 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 本课题的研究目的及意义
1.2 国内外研究背景及现状
1.3 研究内容及章节安排
第二章 需求分析与总体设计
2.1 需求分析
2.2 总体设计
第三章 卷积神经网络及目标算法概念
3.1 卷积神经网络
3.1.1 输入层
3.1.2 卷积层
3.1.3 池化层
3.1.4 全连接层
3.1.5 输出层
3.2 残差网络
3.3 目标检测算法
3.3.1 传统的目标检测
3.3.2 基于分类的卷积神经网络目标检测
3.3.3 基于回归的卷积神经网络目标检测
3.3.4 目标检测算法的选择
3.4 本章小结
第四章 数据集的制作
4.1 图像的获取
4.1.1 相机模块
4.1.2 光源模块
4.1.3 图像采集模块
4.2 图像的预处理
4.2.1 亮度转换
4.2.2 图像增强
4.3 图像的标注
4.4 本章小结
第五章 YOLOV3算法的改进
5.1 ANCHOR BOX的大小
5.2 网络层数的修改
5.3 特征融合方式的改进
5.4 测试结果对比
5.5 本章小结
第六章 实验平台及测试结果
6.1 实验平台配置
6.2 项目要求及检测指标分析
6.3 训练和测试结果分析
6.3.1 训练过程
6.3.2 测试过程
6.4 本章小结
第七章 总结与展望
7.1 论文总结
7.2 前景展望
参考文献
攻读学位期间的研究成果
致谢
【参考文献】：
期刊论文
[1]人工智能背景下数字图像处理教学方法的两点思考[J]. 酒明远. 科技风. 2019(33)
[2]基于激光测距传感器的障碍物检测与模式识别[J]. 王丽珍,刘慧玲,薛小兰. 激光杂志. 2019(08)
[3]一种去除椒盐噪声的自适应模糊中值滤波算法[J]. 万丰丰,周国民,周晓. 浙江大学学报(理学版). 2019(04)
[4]基于YOLOv3的自动驾驶中运动目标检测[J]. 李云鹏,侯凌燕,王超. 计算机工程与设计. 2019(04)
[5]数字图像去噪算法原理及应用[J]. 江唯奕. 电子制作. 2019(06)
[6]基于无线射频与FPGA技术的数据采集系统研究[J]. 伍怀琪,习斌. 计算机产品与流通. 2019(03)
[7]基于图像处理的车牌识别技术[J]. 付莉,付秀伟,陈玲玲. 吉林化工学院学报. 2019(03)
[8]Multi-scale object detection by top-down and bottom-up feature pyramid network[J]. ZHAO Baojun,ZHAO Boya,TANG Linbo,WANG Wenzheng,WU Chen. Journal of Systems Engineering and Electronics. 2019(01)
[9]卷积神经网络综述[J]. 刘健,袁谦,吴广,喻晓. 计算机时代. 2018(11)
[10]浅谈智能型工业相机的应用[J]. 周文彬. 电子测试. 2018(22)
本文编号：3185894
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3185894.html
