排序方式: 共有4条查询结果,搜索用时 62 毫秒
1
1.
针对服装熨烫行业中熨烫目标分类模糊、人工方式导致检测不准确且效率低的问题,本文将YOLOv5算法运用到服装行业熨烫目标检测中,将常见的熨烫目标分为裤兜、缝线及褶皱,建立对应的数据集并标注。同时,通过数据集训练YOLOv5算法模型,对模型进行评价和测试,得到模型准确率达98%,召回率达97%,平均精度均值达95%。同时,选择200张熨烫目标图像,对模型进行测试实验。实验结果表明,该模型对裤兜、缝线和褶皱的识别率分别为100%,96%和95%,检测置信度为0.82~0.97,检测效果较好,满足实验要求,实现了常见服装熨烫目标的识别、分类及定位。该研究提升了服装熨烫行业的生产效率。 相似文献
2.
针对传统的自动导引运输车(automated guided vehicle, AGV)调度方式在半自动生产车间不能满足当前实际生产需求等问题,本文以YOLOv5m为目标检测算法,基于全局视觉构建环境电子地图与路径规划,建立一种基于全局视觉的实时AGV手势调度系统。该系统在全局视觉下通过实时检测工作人员的手势,将手势信息传达给系统信息处理模块,经过解释器处理后,根据不同的手势向AGV发送相应的命令。同时,为验证目标检测的准确率,在全局视觉环境下,基于YOLOv5算法和PyTorch,建立深度学习框架训练目标检测模型,并进行实验验证。实验结果表明,AGV的识别准确率为99.9%,手势的识别准确率为99.7%,且二者检测的置信度均处于0.91~0.99之间,说明模型的检测速度符合实际要求。该系统节省了人力,提高了AGV调度效率,功能和实时性均满足车间实际生产需求,具备良好的稳定性。该研究实现了车间AGV的智能化手势调度,具有一定的实际应用价值。 相似文献
3.
4.
针对移动目标检测方法存在的受背景环境影响而导致检测结果不准确的问题,本文提出一种融合高斯混合模型的背景减除法.算法与频率调谐显著性区域检测(frequency-tuned,FT)算法的移动目标检测方法.该研究以摄像头拍摄到的遥控车行走视频为分析材料,在降采样图像上用MOG2算法检测移动目标,经二值化和滤波去噪后框选移动... 相似文献
1