基于多任务目标检测的条形码倾斜矫正算法研究

条形码识别技术在日常工作中发挥着巨大作用,尤其是在智能物流包裹分拣领域。该技术主要分为三个部分:条形码检测、矫正和译码。目前条形码检测和译码技术较为成熟,而在条形码倾斜矫正技术上研究效果一般。为提升条形码矫正效果,设计一种矫正算法。先对条形码倾斜程度进行分类,再进行角度回归,有效降低条形码矫正任务难度;并将该算法与单阶段检测器融合构成多任务目标检测算法,协同促进发挥检测和矫正的作用。实验表明:余弦距离角度损失函数更加适合角度回归任务,针对条形码倾斜程度分类有助于提升条形码矫正效果。与其他相关算法对比,该算法在矫正准确率、实际译码率和速度上均取得最优的效果。     

基于卷积神经网络的脐橙果梗脐部检测算法及应用

脐橙瑕疵检测突出问题是脐橙的果梗、脐部与瑕疵难以区分。针对这一问题,提出一种利用深度学习物体检测技术对脐橙的果梗脐部进行检测的算法。该模型以顺序卷积与跳跃式卷积共同提取深度特征;融合注意力机制加强待检测物体位置权重,在权重重分配的特征层上进行多尺度上下层信息融合,使用融合后的特征层进行默认框提取;对训练得到的模型进行模型压缩,进一步提升模型时间性能。实验结果表明,基于该模型能够准确实时识别定位出果梗、脐部不会与瑕疵产生误判,模型检测正确检测率达到90.6%,单幅图片预测时间降低为15 ms。     

热轧圆钢的轧制批量计划优化模型与算法

针对热轧圆钢的轧制批量计划编制问题,以热轧圆钢的需求为导向,综合考虑热轧和加热炉阶段的工艺要求,建立了以最小化钢坯余料浪费惩罚和相邻钢坯间跳跃惩罚为目标的数学模型,并基于约束满足技术设计求解算法.算法通过变量选择和值选择规则对待轧制钢坯进行选择、分组和序列生成操作;通过约束传播技术缩减搜索空间,并划分轧制单元;同时,将装箱启发式Best Fit Decreasing (BFD)嵌入到算法中,以优化钢坯余料浪费惩罚和钢坯属性跳跃惩罚.基于实际生产数据的仿真实验表明了模型和算法的可行性和有效性.     

基于变邻域搜索的热轧圆钢批量调度多目标优化方法

针对热轧圆钢的批量调度问题,考虑实际生产中工艺规程和交货期对轧制单元连续加工的影响,建立了以最小化设备调整时间、拖期生产惩罚和钢种跳跃惩罚为优化目标的数学模型,并设计了一种嵌入EDD规则的变邻域搜索算法.算法首先结合模型的约束特征,采用约束满足技术生成初始解;根据实际生产需求,将最小化设备调整时间作为主要目标,设计变邻域搜索算法实现目标优化,其中,运用混合算子构造邻域结构和局部搜索,并引入模拟退火接受准则来控制迭代过程中产生的新解;同时,为了最小化拖期惩罚和钢种跳跃惩罚,在求解过程中嵌入了EDD规则以及钢种排序规则.实验结果表明,模型和算法是可行且有效的.      

考虑机器检修的圆钢热轧批量调度算法

针对圆钢的热轧批量调度问题,考虑实际生产中的机器检修计划对批量连续性加工的影响,以最大化产能利用率、最小化机器调整时间和订单提前拖期为优化目标,建立了多目标的整数规划模型,并提出改进的带精英策略的快速非支配排序算法对模型进行求解。算法结合问题的约束特征,采用改进的NEH算法生成初始解,并采用罚函数的思想设计适应度函数,对种群中存在的不合理解设计修复规则进行修复;针对遗传进化过程,设计了遗传操作方式,并在算法迭代过程中嵌入基于有限搜索范围的邻域搜索算法,避免算法陷入局部最优。实验结果表明,模型和算法对问题的描述和求解是可行有效的。     

基于U-Net网络的QR码褶皱恢复算法

在智能物流分拣系统中常常利用工业相机捕捉快递面单上的QR码图片,继而完成识别工作.然而现实场景下,QR码标签普遍会出现弯曲褶皱情况,影响QR码信息的读取,所以为提升整个系统中QR码识别效果,通常需要将包裹上的褶皱QR码标签平整化.鉴于深度学习在图像算法各领域取得的非凡效果,研究一种基于U-Net网络的褶皱QR码恢复模型,通过添加平移不变损失和对抗损失,它可以直接预测褶皱图片到矫正图片的归一化坐标映射矩阵,并通过简单运算得到矫正图片.另外,由于现实中难以获取满足模型训练的大量已标注数据,利用2D扭曲的方法创建一万张褶皱QR码图片的合成数据集.在最终测试数据上的实验显示,上述模型可以有效的解决褶皱QR码的矫正恢复问题.     

基于多尺度特征的条形码快速检测算法

为提升在复杂环境下智能物流分拣系统中条形码检测的精度和速度,提出一种基于多尺度特征的条形码快速检测算法。采用深度学习中主流one-stage目标检测器作为基础框架,通过级联不同特征融合层和压缩层实现语义信息充分提取,在不同特征提取层分别嵌入膨胀卷积和深度可分离卷积,对特征提取效果和速度进行有效优化提升。将算法应用于实际分拣现场数据进行测试分析,与已有的YoLo-v3和Vgg-SSD网络等进行对比,该算法在准确度和速度方面具有明显优势,能够较好解决实际应用问题。     

基于批量划分的无等待流水车间订单接受问题研究

在无等待流水车间环境下,考虑订单分批量加工策略的订单接受问题,建立问题的数学模型。由于问题的NP难特性,提出改进的遗传算法对模型进行求解。改进的算法采用正向和反向NEH算法与随机方法产生初始种群,在算法更新过程中将禁忌搜索算法嵌入到遗传算法中来实现局部搜索,避免算法陷入局部最优。最后,算例表明批量划分策略能够有效减少订单的完成时间,实现订单总收益的最大化。通过算法对比,说明了改进遗传算法具有较好的求解效果。     

连续时间系统的目标轨迹预见跟踪控制

针对连续系统的有限时间目标轨迹预见跟踪控制问题,给出了基于轨迹协调误差和切换规则的预见跟踪控制方法.该方法首先将轨迹协调误差和位置跟踪误差连同状态变量的微分组成新的系统状态变量,把跟踪问题转化为调节问题,设计了基于协调误差的带有目标值预见的跟踪控制系统.然后针对复杂目标轨迹跨过不同坐标轴的情况,采用切换系统方法,实现了目标轨迹的全程预见跟踪控制.本文同时是子系统为时变系统的切换系统的典型范例.数值仿真说明了该方法的有效性.