图像目标检测常受复杂背景干扰,导致目标特征模糊、误检率高及检测速度慢等问题。为此,开展了基于机器视觉的复杂背景干扰图像目标检测方法研究。首先,设计了基于机器视觉的复杂背景干扰图像照明优化装置,通过照明设计有效减少复杂背景...图像目标检测常受复杂背景干扰,导致目标特征模糊、误检率高及检测速度慢等问题。为此,开展了基于机器视觉的复杂背景干扰图像目标检测方法研究。首先,设计了基于机器视觉的复杂背景干扰图像照明优化装置,通过照明设计有效减少复杂背景对目标识别的干扰,提高目标对象的可见度;其次,改进了PPYOLOv2(pre-processing you only look once version 2)网络模型,通过优化预处理、特征提取、特征融合、预测Head、预测结果生成、损失计算与优化以及检测与后处理等7个关键步骤,实现了对复杂背景干扰图像中目标的准确、高效检测。测试结果表明:设计方法未出现漏检与误检现象,检测效果表现良好,每个设计步骤均能提升实验目标检测精度,说明每个设计步骤对于复杂背景都是必要的。展开更多
文摘图像目标检测常受复杂背景干扰,导致目标特征模糊、误检率高及检测速度慢等问题。为此,开展了基于机器视觉的复杂背景干扰图像目标检测方法研究。首先,设计了基于机器视觉的复杂背景干扰图像照明优化装置,通过照明设计有效减少复杂背景对目标识别的干扰,提高目标对象的可见度;其次,改进了PPYOLOv2(pre-processing you only look once version 2)网络模型,通过优化预处理、特征提取、特征融合、预测Head、预测结果生成、损失计算与优化以及检测与后处理等7个关键步骤,实现了对复杂背景干扰图像中目标的准确、高效检测。测试结果表明:设计方法未出现漏检与误检现象,检测效果表现良好,每个设计步骤均能提升实验目标检测精度,说明每个设计步骤对于复杂背景都是必要的。
